En esta investigación se ha propuesto un algoritmo mediante el cual se pretende clasificar las emociones a través del estudio de señales de electroencefalograma provistas por la conocida base de datos DEAP (Koelstra y cols., 2012). En base a esto, se rescataron los vídeos analizados por un grupo de electrodos los cuales por sí mismos tienen una eficiencia de un 75% en en estudios anteriores para el reconocimiento de emociones, una vez extraídas estas señales, éstas son etiquetadas basadas en su nivel de valencia y arousal. Éstas posteriormente son guardadas en una matriz en donde cada una de sus filas son tratadas por la transformada de Fourier de tiempo corto cuya salida es una matriz que puede ser tratada como una imagen. Las imágenes y su correspondiente etiqueta son utilizadas como entrada para el clasificador CNN Softmax. Los resultados del mismo tuvieron una eficiencia de 78%
Informe Final de Proyecto
En esta investigación se ha propuesto un algoritmo mediante el cual se pretende clasificar las emociones a través del estudio de señales de electroencefalograma provistas por la conocida base de datos DEAP (Koelstra y cols., 2012). En base a esto, se rescataron los vídeos analizados por un grupo de electrodos los cuales por sí mismos tienen una eficiencia de un 75% en en estudios anteriores para el reconocimiento de emociones, una vez extraídas estas señales, éstas son etiquetadas basadas en su nivel de valencia y arousal. Éstas posteriormente son guardadas en una matriz en donde cada una de sus filas son tratadas por la transformada de Fourier de tiempo corto cuya salida es una matriz que puede ser tratada como una imagen. Las imágenes y su correspondiente etiqueta son utilizadas como entrada para el clasificador CNN Softmax. Los resultados del mismo tuvieron una eficiencia de 78%
