Sábado 17 de octubre de 2026 ·

Cuando los modelos de EEG ven a las mismas personas en entrenamiento y prueba

Relevancia 38 de 100

Útil para Programadores 50%

Dividir al azar las ventanas de EEG de un mismo sujeto entre entrenamiento y prueba infla los resultados, porque el modelo se evalúa con personas que ya ha visto y no con personas nuevas. Según una investigación citada, la división por segmentos da resultados mucho más optimistas que la división por sujetos cuando el objetivo es el rendimiento en sujetos no vistos. Los autores replican el caso más simple: distinguir EEG de fondo de EEG durante una tarea de cálculo mental, con características espectrales clásicas y tres modelos estándar.

Qué significa

Quien evalúe un modelo de EEG (o de sensores portátiles, datos médicos o de comportamiento) debe separar los datos por persona y no por ventana, o su precisión medirá familiaridad y no generalización. Por ejemplo, un modelo que parece acertar el 95 % puede fallar con un usuario nuevo.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

También ese día

Todas las noticias de IA del sábado 17 de octubre de 2026 ->