Desarrollo de un Sistema Inteligente para el seguimiento del bienestar emocional usando técnicas de Machine Learning

Resumen

El objetivo de este Trabajo de Fin de Grado es presentar, de forma general, los avances en el Aprendizaje Automático y el Aprendizaje Profundo en el área de la identificación de estados emocionales. La investigación del estado del arte se centra especialmente en los tipos de datos y fuentes de los mismos, que pueden ser usados para la detección temprana de enfermedades mentales.

Este proyecto comparará diferentes modelos de Aprendizaje Profundo así como algunos modelos clásicos, en la tarea de identificación del estrés utilizando conjuntos de datos públicos que se utilizarán para tareas de clasificación binaria y multiclase. Estos modelos serán comparados en base a la calidad de sus resultados y la intrusión necesaria para su obtención en la vida del sujeto a evaluar.

Los modelos de clasificación desarrollados en este proyecto consiguen alcanzar un 99% de precisión en las pruebas, en los conjuntos de datos que exhiben el menor nivel de intrusión, demostrando que no es necesario un mayor nivel de información de la vida diaria de las personas para la evaluación del estrés.

Abstract:

This final degree work aims to overview the advances of Machine Learning and Deep Learning in the field of emotional state detection. The state-of-the-art research focuses especially on the types of data and sources that can be utilized for early detection of mental health disorders.

This project will compare different Deep Learning models along with some classical classifiers for the task of stress classification using public datasets, which will be used for binary and multiclass classification tasks. These models will be assessed based on the quality of their results and the level of intrusion required in the subject’s life for evaluation.

The classification models developed in this project achieve an accuracy of 99% in tests with the datasets exhibiting the lowest level of intrusion, demonstrating that a higher level of information about human daily life is not necessary for stress evaluation.