Aprendizaje Automática para la Predicción del Desempeño de la Memoria de Trabajo

Objetivo general Analizar las metodologías de machine learning a través de la implementación de algoritmos quecontribuyan a la caracterización y predicción del desempeño de WM. Justificación En la actualidad es evidente la importancia del análisis de datos en cualquier actividad humana. Desde la medicina hasta el entretenimiento genera datos que necesitan ser analizados. En el campo que nos compete, el de señales de EEG, el análisis de datos cumple un papel importante. Es por ello que este proyecto busca desarrollar e implementar metodologías eficientes y ágiles para el manejo de la variabilidad en las señales de EEG y su aplicación en WM.Nuestro objetivo es implementar y explorar metodologías de machine learning que contribuyan a la predicción y caracterización del desempeño de working memory. Metodologías que nos permitan manejar la variabilidad intrínseca de las señales de EEG y proponer soluciones que ayuden a la usabilidad y a la mejora de la predicción del desempeño; problemáticas que aún son un desafío en nuestro campo. En una primera fase de este proyecto nos permitirá conocer y entender los métodos que se utiliza en la actualidad para el control de la variabilidad de los datos. En una segunda etapa planificamos desarrollar nuevos algoritmos de aprendizaje automático enfocados en la problemática antes mencionada.Este proyecto pretende analizar una problemática común en el aprendizaje automático por lo que las soluciones logradas puedan ser extrapoladas a otras áreas de investigación. De igual forma este proyecto contribuirá a promover en la UPS la investigación de la “ciencia de los datos” a través de la innovación e implementación de técnicas de la extracción de características y aprendizaje automático.