O algoritmo cvxEDA, baseado em otimização convexa, separou com sucesso entradas de estímulo e descreveu a atividade do sistema nervoso autônomo em resposta à estimulação afetiva.
Outro
O algoritmo cvxEDA fornece um método robusto, inspirado fisiologicamente, para processar a atividade eletrodérmica utilizando otimização convexa.
OBJETIVO: Este artigo relata um novo algoritmo para a análise da atividade eletrodérmica (EDA) utilizando métodos de otimização convexa. A EDA pode ser considerada um dos canais de observação mais comuns da atividade do sistema nervoso simpático, manifestando-se como uma mudança nas propriedades elétricas da pele, como a condutância da pele (SC). MÉTODOS: O modelo proposto descreve a SC como a soma de três termos: o componente fásico, o componente tônico e um termo de ruído branco Gaussiano aditivo que incorpora erros de previsão do modelo, bem como erros e artefatos de medição. Este modelo é inspirado fisiologicamente e explica completamente a EDA através de uma metodologia rigorosa baseada em estatísticas bayesianas, otimização convexa matemática e esparsidade. RESULTADOS: O algoritmo foi avaliado em três diferentes sessões experimentais para testar sua robustez ao ruído, sua capacidade de separar e identificar entradas de estímulo e sua capacidade de descrever adequadamente a atividade do sistema nervoso autônomo em resposta a fortes estimulações afetivas. SIGNIFICADO: Os resultados são muito encorajadores, mostrando um bom desempenho do método proposto e sugerindo uma aplicação futura promissora, por exemplo, no campo da computação afetiva.
Greco et al. (Sex,) conduziram um outro na análise da atividade eletrodérmica. O algoritmo cvxEDA foi avaliado quanto à robustez ao ruído, capacidade de separar e identificar entradas de estímulo e capacidade de descrever a atividade do sistema nervoso autônomo. O algoritmo cvxEDA, baseado em otimização convexa, separou com sucesso entradas de estímulo e descreveu a atividade do sistema nervoso autônomo em resposta à estimulação afetiva.