Clasificación de emociones mediante señales EEG y técnicas de aprendizaje automático

Abstract

[ES] Este estudio se centra en el desarrollo de un clasificador de emociones mediante técnicas avanzadas de aprendizaje automático y profundo, utilizando datos de electroencefalografía (EEG). El principal objetivo es implementar un sistema automático para el procesamiento de señales EEG, un paso fundamental para optimizar la calidad de los algoritmos de clasificación. El proyecto incluye una detallada revisión del estado del arte, la recopilación y preprocesamiento de los datos, la extracción de características relevantes de señales EEG y el entrenamiento y comparación de diferentes modelos de clasificación. Se ha logrado una alta precisión en el reconocimiento de emociones utilizando los modelos de aprendizaje profundo desarrollados y se ha determinado la crucial importancia de utilizar datos de calidad óptima para el buen funcionamiento de estos modelos. La integración del sistema automático de preprocesamiento de señales también ha resultado en una mejora a la hora de clasificar las emociones. Los resultados proporcionan una base sólida para investigaciones futuras en el campo de la psicología y en el de la interacción humano-computadora.

[EN] This study focuses on the development of an emotion classifier using advanced machine learning and deep learning techniques, based on electroencephalography (EEG) data. The main objective is to implement an automated system for processing EEG signals, a fundamental step to optimize the quality of classification algorithms. The project includes a detailed review of the state of the art, data collection and preprocessing, extraction of relevant EEG signal features, and the training and comparison of different classification models. High accuracy in emotion recognition was achieved using the developed deep learning models, and the crucial importance of using high-quality data for the proper functioning of these models was determined. The integration of the automated signal preprocessing system also resulted in improved emotion classification. The results provide a solid foundation for future research in the fields of psychology and human-computer interaction.

[CA] Aquest estudi se centra en el desenvolupament d’un classificad’or d’emocions mitjançant tècniques avançades d’aprenentatge automàtic i profund, utilitzant dades d’electroencefalografia (EEG). L’objectiu principal és implementar un sistema automàtic per al processament de senyals EEG, un pas fonamental per a optimitzar la qualitat dels algoritmes de classificació. El projecte inclou una detallada revisió de l’estat de l’art, la recopilació i preprocessament de les dades, l’extracció de característiques rellevants de senyals EEG i l’entrenament i comparació de diferents models de classificació. Es va aconseguir una alta precisió en el reconeixement d’emocions utilitzant els models d’aprenentatge profund desenvolupats, i es va determinar la importància crucial d’utilitzar dades de qualitat òptima per al bon funcionament d’aquests models. La integració del sistema automàtic de preprocessament de senyals també va resultar en una millora a l’hora de classificar les emocions. Els resultats proporcionen una base sòlida per a futures investigacions en el camp de la psicologia i en el de la interacció humà-computadora.