Optimización del rendimiento de una RNC para clasificar señales EMG mediante un diseño factorial de hiperparámetros
Date
2025-09
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"De acuerdo con la Academia Nacional de Medicina de México, en el país se realizan aproximadamente 2,190 amputaciones transradiales por año. Esto implica una afectación significativa en la calidad de vida de las personas, ya que su capacidad de movilidad se ve reducida. Para abordar este problema, diversos estudios han propuesto el desarrollo de modelos de clasificación de gestos manuales basados en electromiografía, específicamente electromiografía de superficie, que permite registrar y analizar las señales mioeléctricas generadas por la contracción muscular. El objetivo de dichos modelos es su implementación en sistemas protésicos que permitan reemplazar de forma eficiente el miembro perdido. Para clasificar los movimientos manuales se utiliza el enfoque moderno de clasificación, el cual omite la etapa de ingeniería de características y emplea modelos de aprendizaje profundo capaces de extraer automáticamente las características relevantes. Sin embargo, para obtener un alto rendimiento en términos de precisión, es necesario ajustar adecuadamente los hiperparámetros del modelo. En este estudio se implementa un diseño D-óptimo para determinar combinaciones eficientes de cinco hiperparámetros en una red neuronal convolucional orientada a la clasificación de 18 gestos manuales a partir de señales electromiográficas de superficie".
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading