Implementación de un clasicador de señales de Potencial de Campo Local (LFP) utilizando redes neuronales
| dc.contributor.advisor | Ortiz Cubero, Esteban Alonso | |
| dc.contributor.author | Ávila López, Jose Pablo | |
| dc.date.accessioned | 2023-10-31T21:09:19Z | |
| dc.date.available | 2023-10-31T21:09:19Z | |
| dc.date.issued | 2021 | |
| dc.description | Tesis (licenciado en ingeniería eléctrica)--Universidad de Costa Rica. Facultad de Ingeniería. Escuela de Ingeniería Eléctrica, 2021 | |
| dc.description.abstract | La extracción de información a partir de la actividad neuronal, es un tema que está siendo ampliamente estudiado con diversos propósitos como la creación de nuevos dispositivos y expandir el conocimiento sobre el funcionamiento del sistema nervioso y el cerebro en particular. La presente investigación plantea el análisis de la actividad cerebral de ratas, medida utilizando la técnica de Potenciales de Campo Local con el fin de extraerle características que funcionen como entradas a algoritmos de aprendizaje automático para predecir el ángulo al cual se dirige la cabeza del sujeto a partir de dichas señales neuronales. Los datos fueron tomados de las sesiones de grabación 765 y 771 realizadas en el laboratorio Buzaki Lab. En ellas se colocaron 99 electrodos en el hipocampo y tálamo de una rata que se ubicaba e incentivaba a desplazarse en tal espacio. Dichas regiones cerebrales contienen células de dirección de la cabeza que son relacionadas con el sentido de orientación. El proyecto se divide en la exploración, limpieza y preparación del conjunto de datos a utilizar; la implementación de los algoritmos de predicción y finalmente se discuten los resultados. Se escogen tres tipos de redes neuronales para realizar la predicción: clásica, convolucional y una Long Short-Term Memory. Todas las redes propuestas logran predecir ángulos entre 0 y 360 grados, con pocas excepciones. La LSTM fue la que produjo el menor error con respecto a los valores reales. Ninguna logro obtener predicciones confiables, ya que el Error Absoluto Medio más bajo en datos de prueba fue de 78°, obtenido con la LSTM. Se logra demostrar que los datos obtenidos contienen información de células de dirección de la cabeza al observar un pico de actividad claro en sus respectivos ángulos de preferencia, lo cual indica que existe relación directa entre | es_CR |
| dc.description.procedence | UCR::Docencia::Ingeniería::Facultad de Ingeniería::Escuela de Ingeniería Eléctrica | |
| dc.identifier.uri | https://repositorio.sibdi.ucr.ac.cr/handle/123456789/20697 | |
| dc.language.iso | spa | |
| dc.subject | APRENDIZAJE POR MAQUINAS | |
| dc.subject | INTELIGENCIA ARTIFICIAL | |
| dc.subject | POTENCIAL DE CAMPO LOCAL | |
| dc.subject | RED NERVIOSA | |
| dc.title | Implementación de un clasicador de señales de Potencial de Campo Local (LFP) utilizando redes neuronales | |
| dc.type | proyecto fin de carrera |
Archivos
Bloque original
1 - 1 de 1