Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.creatorJiménez Guarneros, Magdiel-
dc.creatorFuentes Pineda, Gibran-
dc.date.accessioned2025-10-25T01:16:05Z-
dc.date.available2025-10-25T01:16:05Z-
dc.date.issued2024-
dc.identifier.urihttps://repositorio.tic.unam.mx/handle/123456789/3945-
dc.descriptionArtículo académico que presenta un nuevo modelo llamado CFDA-CSF (Coarse and Fine-grained Distribution Alignment with Correlated and Separable Features) para mejorar el reconocimiento de emociones multimodal utilizando señales de EEG y movimientos oculares, incluso cuando se aplica a nuevos usuarios. El modelo aborda el problema del cambio de distribución entre sujetos mediante una alineación tanto global como detallada de características entre dominios y modalidades.-
dc.publisherIEEE-
dc.subjectAprendizaje automático (Machine learning)-
dc.subject.classificationCiencias Físico Matemáticas y de la Ingenierías-
dc.titleCFDA-CSF: A Multi-Modal Domain Adaptation Method for Cross-Subject Emotion Recognition-
dc.typeArtículo académico-
dcterms.provenanceUniversidad Nacional Autónoma de México. Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas-
dc.subject.keywordsAprendizaje profundo-
dc.subject.keywordsElectroencefalograma-
dc.subject.keywordsReconocimiento de emociones-
dc.subject.keywordsSeguimiento ocular-
dc.subject.keywordsAdaptación de dominio multimodal-
dc.identifier.urlhttp://doi.org/10.1109/TAFFC.2024.3357656-
dc.identifier.bibliographiccitationJiménez-Guarneros, M., & Fuentes-Pineda, G. (2024). CFDA-CSF: A Multi-Modal Domain Adaptation Method for Cross-Subject Emotion Recognition. IEEE Transactions on Affective Computing, 15(3), 1502–1513. https://doi.org/10.1109/TAFFC.2024.3357656-
dcterms.memberofAnálisis y automatización-
Aparece en las colecciones: Publicaciones académicas y científicas

Mostrar el registro sencillo del ítem EstadÍsticas


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.