El cerebro es un sistema de auto organización, las áreas internas del cerebro controlan el funcionamiento de los músculos; También controlan el habla, pensamiento, emociones, lectura, redacción y el aprendizaje. La reorganización de su estructura, función y conexiones se adaptan durante toda la vida esto se basa en la neuroplasticidad. La hipertensión arterial (HTA), el hábito de fumar, la diabetes mellitus, la fibrilación auricular y la dislipidemia y algunos hábitos modificables como el sedentarismo, la alimentación no saludable y el consumo desmedido de alcohol, tienen silenciosas, graves e irreversibles consecuencias como los accidentes cerebro vasculares (ACV), siendo la segunda causa de muerte en el mundo. Algunas de las técnicas de procesamiento de las señales cerebrales se basan en algoritmos de inteligencia artificial, para la extracción de características específicas, por medio de la señal de electroencefalografía (EEG). Los algoritmos de regresión forman parte de la estructura de la inteligencia artificial. La comparación y evaluación mediante las métricas estadísticas de la señal original y la señal predicha de EEG, determina la fiabilidad de los algoritmos de regresión empleados, árboles de decisión, bosques aleatorios, máquina de soporte vectorial y redes neuronales en procesos de predicción, servirá para posteriores procesos de rehabilitación. La predicción más cercana se evidencia por redes neuronales, presentan mayor gasto computacional, y requiere de un tiempo prolongado para evidenciar los resultados. Los árboles de decisión, bosques aleatorios y máquinas de soporte vectorial empleadas, generan resultados de predicción similar y requieren menor tiempo y gasto computacional.Contenido Título De La Investigación 11 1. Introducción 11 2. Planteamiento Del Problema 15 3. Justificación 16 4. Hipótesis 17 5. Objetivos 18 5.1 Objetivo General 18 5.2 Objetivos Específicos 18 6. Estado Del Arte 19 7. Marco De Referencia 22 7.1 El Cerebro 22 7.2 Plasticidad Cerebral 27 7.3 Accidente Cerebrovascular 27 7.4 Electroencefalografía, EEG 30 7.5 Inteligencia Artificial (IA) 36 7.5.1 Concepto 36 7.5.2 Tipos de Inteligencia Artificial 37 7.5.3 Componentes 37 7.6 Interfaz Cerebro-Máquina 37 7.7 Aprendizaje Automático 38 7.7.1 Tipos De Aprendizaje 38 7.8 Algoritmos de regresión 39 7.8.1 Árboles de decisión 39 7.8.2 Bosques aleatorios 40 7.8.3 Máquinas de soporte vectorial 40 7.8.4 Redes neuronales 40 7.9 Métricas de Evaluación 41 8. Metodología 43 8.1 Origen de las señales de EEG procesada 43 8.2 Delimitación de grupo de señales a utilizar 44 8.3 Preprocesamiento 45 8.4 Entrenamiento de algoritmos 48 9. Resultados 51 9.1 Preprocesamiento de los Datos 51 9.2 Algoritmos de Regresión 53 9.2.1 Árboles de decisión 53 9.2.2 Bosques Aleatorios 55 9.2.3 Máquina de Soporte Vectorial 58 9.2.4 Red Neuronal 59 9.2.5 Tiempo de ejecución de procesos en R 60 9.2.6 Comparación evaluación de métricas algoritmos de regresión 61 10. Discusión 62 11. Conclusiones 64 11. Bibliografía 65PregradoIngeniero en BiomédicaIngeniería Biomédica