Díaz Amador, RobertoLópez Martín, Miguel Angel2015-10-262015-10-262012-06-21https://dspace.uclv.edu.cu/handle/123456789/2619La presente investigación está relacionada con la detección automática de los estados de sueño en los seres humanos. Para la clasificación automática se usan características extraídas de las señales electroencefalográfica (EEG) y electrooculográfica (EOG). Las variables calculadas son, la densidad espectral de potencia por el método periodograma de Welch y los coeficientes de la descomposición con wavelet y wavelet packed obtenidos de la señal EEG, así como la media y la desviación estándar de la señal EOG por épocas. Para facilitar la clasificación de los estados se aplica un algoritmo de separación enfocado en aislar las fases con características más notables, de las que tengan rasgos menos prominentes. Se aplican tres métodos de clasificación con buenos resultados en su desempeño, redes neuronales artificiales, máquinas de vectores soporte y análisis discriminante lineal. Por último se ofrece una interfaz de usuario diseñada para que personas inexpertas interactúen con la herramienta.esEste documento es Propiedad Patrimonial de la Universidad Central "Marta Abreu" de Las Villas. El autor o autores conservan los derechos morales que como tal le son reconocidos por la Legislación vigente sobre Derecho de Autor. Los distintos Usuarios podrán copiar, distribuir, comunicar públicamente la obra y hacer obras derivadas; bajo las condiciones siguientes: 1.Reconocer y citar al autor original 2.No utilizar la obra con fines comerciales 3.No realizar modificación alguna a la obra 4.Compartir aquellos productos resultado del uso de la obra bajo la misma licencia de esta Los Usuarios pueden reutilizar los metadatos en cualquier medio sin autorización previa, siempre que los propósitos de su utilización sean sin ánimo de lucro y se provea el Identificador OAI, un enlace al registro de metadatos original, o se haga referencia al repositorio de donde han sido extraídos.ElectrooculográficaSeñales ElectroencefalográficaRedes Neuronales ArtificialesThesis