Redes Neurais Densas para Classificação de Estresse

Resumo

Objetivo: Propor uma arquitetura de rede neural otimizada para classificação de estresse com base em sinais vitais coletados por meio de dispositivos vestíveis. Métodos: Uso de rede neural densa, multicamadas, otimizada por meio da técnica Grid-Search para seleção de hiperparâmetros. Para treinamento e avaliação da rede foi utilizada a base de dados pública WESAD. Resultados: O modelo proposto atingiu acurácia média de 98.55% com desvio padrão de 0.28% em validação cruzada k-fold, batendo o modelo de referência que apresentou acurácia média de 86.14% e desvio padrão de 4.61% nas mesmas condições. Conclusão: Por meio de técnicas de otimização de hiperparâmetros para redes neurais, pode-se obter modelos com acurácia elevada na tarefa de classificação de estresse a partir de sinais fisiológicos coletados por dispositivos vestíveis.