Redes Neurais Densas para Classificação de Estresse

Objetivo: Propor uma arquitetura de rede neural otimizada para classificacao de estresse com base em sinais vitais coletados por meio de dispositivos vestiveis. Metodos: Uso de rede neural densa, multicamadas, otimizada por meio da tecnica Grid-Search para selecao de hiperparâmetros. Para treinamento e avaliacao da rede foi utilizada a base de dados publica WESAD. Resultados: O modelo proposto atingiu acuracia media de 98.55% com desvio padrao de 0.28% em validacao cruzada k-fold, batendo o modelo de referencia que apresentou acuracia media de 86.14% e desvio padrao de 4.61% nas mesmas condicoes. Conclusao: Por meio de tecnicas de otimizacao de hiperparâmetros para redes neurais, pode-se obter modelos com acuracia elevada na tarefa de classificacao de estresse a partir de sinais fisiologicos coletados por dispositivos vestiveis.