Optimización del rendimiento de una RNC para clasificar señales EMG mediante un diseño factorial de hiperparámetros

Simple item page
dc.audiencegeneralPublic
dc.contributorMoreno Barbosa, Eduardo
dc.contributorArredondo Velázquez, Juan Moisés
dc.contributor.advisorMoreno Barbosa, Eduardo; 0000-0002-1114-2640
dc.contributor.authorMárquez Carranza, Arturo Ariel
dc.creatorMárquez Carranza, Arturo Ariel; 0009-0003-1109-9341
dc.date.accessioned2026-02-24T15:50:41Z
dc.date.available2026-02-24T15:50:41Z
dc.date.issued2025-09
dc.description.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".
dc.folio20250911111617-7378-T
dc.formatpdf
dc.identificator1
dc.identifier.urihttps://hdl.handle.net/20.500.12371/31550
dc.language.isospa
dc.matricula.creator223470390
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA
dc.subject.lccMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Ciencias de la computación--Redes neuronales
dc.subject.lccMedicina interna--Especialidades de medicina interna--Enfermedades del sistema respiratorio--Diagnóstico--Métodos especiales de diagnóstico--Diagnóstico por imagen
dc.subject.lccFisiología--Electrofisiología
dc.subject.lccElectrofisiología--Medición
dc.subject.lccRedes neuronales (Computación)
dc.thesis.careerMaestría en Ciencias (Matemáticas)
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias Físico Matemáticas
dc.thesis.degreetoobtainMaestro (a) en Ciencias (Matemáticas)
dc.titleOptimización del rendimiento de una RNC para clasificar señales EMG mediante un diseño factorial de hiperparámetros
dc.typeTesis de maestría
dc.type.conacytmasterThesis
dc.type.degreeMaestría
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20250911111617-7378-T.pdf
Size:
3.07 MB
Format:
Adobe Portable Document Format
Download
Name:
20250911111617-7378-CARTA.pdf
Size:
430.87 KB
Format:
Adobe Portable Document Format
Collections
Tesis de Maestría