Martínez Ruiz, María2024-03-192024-03-192024-03-13https://hdl.handle.net/10115/31183Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: David Gualda GómezEn este Trabajo Fin de Grado (TFG), se detallan todos los aspectos necesarios para el estudio y desarrollo de un modelo de aprendizaje destinado a clasificar estados emocionales a partir de señales de voz. El proceso implica la exploración y la implementación de diferentes redes neuronales feedforward para dicha tarea de reconocimiento emocional. Se llevan a cabo al menos treinta bancos de pruebas utilizando tres bases de datos públicas para determinar la idoneidad de cada red neuronal. El procedimiento sigue varias etapas, que incluyen, la selección del conjunto de datos, su tratamiento previo y posterior, la identificación de características relevantes y, finalmente, la elección de un algoritmo de aprendizaje que optimice al máximo la precisión en la estimación emocional de las señales de audio. Para evaluar la eficacia de los modelos, se utilizan diferentes métricas de evaluación y los resultados obtenidos son interpretados y comparados con el objetivo de identificar la red neuronal que proporciona la mayor precisión en la clasificación. Además, se exploran posibles aplicaciones prácticas de este modelo en otros contextos. Este enfoque amplio pero detallado, permite una comprensión del impacto y la aplicabilidad del modelo propuestospaCreative Commons Atribución 4.0 Internacionalhttps://creativecommons.org/licenses/by/4.0/legalcodedetención de emocionesredes neuronalesinteligencia artificialclasificador emocionalprocesamiento de audioMATLABbases de datosinfo:eu-repo/semantics/studentThesisinfo:eu-repo/semantics/openAccess