Universidad Veracruzana

Skip to main content

Alumnos

 

 

Generación 2012 – 2016

Generación 2013 – 2017

Generación 2014 – 2018

Generación 2015 – 2019

Generación 2016 – 2020

Generación 2017 – 2021

Generación 2018 – 2022

Generación 2019 – 2023

Generación 2020 – 2024

Generación 2021 – 2025

 

Generación 2012-2016

Matrícula Alumno Dedicación al Programa Procedencia
Ameca Alducín María Yaneli S12015494 Ameca Alducin María Yaneli Completa Nacional
Ortíz Hernández Gustavo S12015493 Ortíz Hernández Gustavo Completa Nacional
Palacios Leyva Rodrigo Edgar S12015492 Palacios Leyva Rodrigo Edgar Completa Nacional

 

 

Generación 2013-2017

Matrícula Alumno Dedicación al Programa Procedencia
Aguilera Rueda Vicente Josúe S13015012 Aguilera Rueda Vicente Josúe Completa Nacional
Aldana Franco Fernando S13015007 Aldana Franco Fernando Completa Nacional
Alonso Ramírez Óscar S13017895 Alonso Ramírez Óscar Completa Nacional
Diaz Beristain Yecely Aridai S13015011 Diaz Beristain Yecely Aridai Completa Nacional
Dominguez Isidro Saúl S13015013 Dominguez Isidro Saúl Completa Nacional
Hernández Méndez Sergio S13015015 Hernández Méndez Sergio Completa Nacional
Juárez Castillo Efrén S13015009 Juárez Castillo Efrén Completa Nacional
Limón Riaño Héctor Xavier S13017894 Limón Riaño Héctor Xavier Completa Nacional
Martínez Peñaloza Maria Guadalupe S13017891 Martínez Peñaloza Maria Guadalupe Completa Nacional
Miguelena Bada Ana María S13017896 Miguelena Bada Ana María Completa Nacional
Miranda Varela Mariana Edith S13015014 Miranda Varela Mariana Edith Completa Nacional
Pérez Alonso Carlos Ismael S13015010 Pérez Alonso Carlos Ismael Completa Nacional
Pérez Castro Nancy S13015008 Pérez Castro Nancy Completa Nacional
Rascón Pérez Luis Lorenzo S13017892 Rascón Pérez Luis Lorenzo Completa Nacional
Zamudio Reyes Rafael S13017893 Zamudio Reyes Rafael Completa Nacional

 

 

Generación 2014-2018

Matrícula Alumno Dedicación al Programa Procedencia
Aguilar Justo Adán Enríque S14020640 Aguilar Justo Adán Enríque Completa Nacional
Cervantes Castillo Adriana S14020641 Cervantes Castillo Adriana Completa Nacional
González Gaspar Patricia S14015994 González Gaspar Patricia Completa Nacional
Hernández Mella Yahir S14015992 Hernández Mella Yahir Completa Nacional
Kozlov Oleg S14015991 Kozlov Oleg Completa Nacional
Landa Jiménez Miguel Ángel S14015993 Landa Jiménez Miguel Ángel Completa Nacional
López Herrera Juan Luis S14015990 López Herrera Juan Luis Completa Nacional
Madrazo Arjona Bruno S14015995 Madrazo Arjona Bruno Completa Nacional
Maldonado Méndez Carolina Gabriela S14015998 Maldonado Méndez Carolina Gabriela Completa Nacional
Márquez Grajales Aldo S14015989 Márquez Grajales Aldo Completa Nacional
Pérez Escudero Alexsi Adad S14020642 Pérez Escudero Alexsi Adad Completa Nacional
Roa Borbolla Arturo Getsemani S14015997 Roa Borbolla Arturo Getsemani Completa Nacional
Sánchez García Ángel Juan S14015996 Sánchez García Ángel Juan Completa Nacional
Sosa Jiménez Candy Obdulia S14015999 Sosa Jiménez Candy Obdulia Completa Nacional

 


Generación 2015-2019

Matrícula Alumno Dedicación al Programa Procedencia
Aguas García Yaser S15021344 Aguas García Yaser Completa Nacional
Domínguez Castillo Reynaldo S15021345 Domínguez Castillo Reynaldo Completa Nacional

 

 

Generación 2016-2020

Matrícula Alumno Dedicación al Programa Procedencia
S16017502 Aguilar Lazcano Carlos Alberto Completa Nacional

 

 

Generación 2017-2021

Matrícula Alumno Dedicación al Programa Procedencia
S17000486 Guzmán Gaspar José Yair Completa Nacional
S17000484 Ramos Figueroa Octavio Completa Nacional
S17000485 Rodríguez López Omar Completa Nacional

 

 

Generación 2018-2022

Matrícula Alumno Dedicación al Programa Procedencia
S18016187 Hernández Enríquez David Completa Nacional
S18016184 Hernández Oliva Silvia Completa Nacional
S18016186 Mejía de Dios Jesús Adolfo Completa Nacional
S18016183 Morales Reyes José Luis Completa

Nacional

 

S18016181 Rodríguez Martínez Carlos Manuel Completa Internacional
S18016182 Villegas Sánchez Gabriela Completa Nacional

 

 

Generación 2019-2023

Matrícula Alumno Dedicación al Programa Procedencia
S19019826 Carmona Arroyo Guadalupe Completa Nacional
S19019827 Platas López Alejandro Completa Nacional
S19019825 Mota Martínez Mizantha Concepsión Completa Nacional
S19019829 Vázquez Aguirre Jenny Betsabé Completa Nacional

 

 

Generación 2020-2024

Matrícula Alumno Dedicación al Programa Procedencia
S20000479 de la Cruz Martínez Sebastián José Completa Nacional
S20000483 García Acosta Guillermo Francisco Completa Nacional
S20000481 Martínez Galicia David Completa Nacional
S20000482 Rodríguez Méndez Rosa María Completa Nacional

 

 

Generación 2021-2025

S21000445 Herrera Sánchez David Completa Nacional

 

Tesis (Proyectos de Investigación)


Incorporación de Conocimiento en Algoritmos Inspirados en la Naturaleza para Optimización con Restricciones
María Yaneli Ameca Alducin
Director: Dr. Nicandro Cruz Ramírez

Resumen

En este trabajo doctoral se propone la realización de un nuevo algoritmo inspirado en la naturaleza que incorpora conocimiento para resolver problemas de optimización con restricciones, donde particularmente se tratará con restricciones dinámicas. Para la realización de la tesis, se va a seleccionar de un conjunto de algoritmos inspirados en la naturaleza el más propicio para la optimización con restricciones. En lo que respecta a la incorporación del conocimiento al algoritmo previamente mencionado, se seleccionará(n) el (los) que mejor pueda (n) contribuir con una búsqueda en un espacio restringido. Finalmente, se realizarán pruebas extensivas del algoritmo contra su contraparte sin incorporación de conocimiento y contra algoritmos del estado del arte, siempre usando medidas de desempeño y funciones de prueba encontradas en la literatura especializada y corroborando la validez del desempeño usando pruebas estadísticas.

Incorporating Knowledge in Nature-Inspired Algorithms for Constrained Optimization

Abstract

This dissertation proposes the desing of a new nature-inspired algorithm that incorporates knowledge to solve constrained optimization problems, particularly in presence of dynamic constraints. A suitable nature- inspired algorithm for constrained optimization will be chosen. Regarding the knowledge incorporation the most adequate for a constrained search space will be selected. Finally, we will perform extensive testing of the algorithm against its counterpart without knowledge incorporation and also against state-of-the-art algorithms, always using performance measures and test functions found in the specialized literature and getting confidence of the performance using statistical tests.

 


Modularización en Agentes BDI orientado a Competencias
Gustavo Ortíz Hernández
Director: Dr. Alejandro Guerra Hernández

Resumen

En esta tesis pretendemos proponer e implementar un modelo que permita incorporar al paradigma de programación orientada a agentes-BDI principios tradicionales de la ingeniería de software, tal como modularidad, encapsulación, reuso de código, escalabilidad y mantenibilidad de código. Los cuales son deseables, y hacen atractiva la utilización de los lenguajes orientados a agentes para el desarrollo de sistemas a gran escala. De la misma manera, buscamos definir un marco de trabajo que permita el reuso de unidades de funcionalidad y comportamiento, de forma independiente a la implementación del agente, a una escala global.

Modularization in BDI Agents oriented to Competences

Abstract

In this thesis we aim to propose and implement a model wich allows to incorporate to the bdi-agent-oriented-program approach traditional software-engineering principles, such as modularity, encapsulation, code reuse, scalability and maintainability. Which are desirable and become engaging and reliable the use of agent-oriented programming languages for great-scale systems develop- ping. Same way, we will define a framework that provides a standar for an agent implementation independent reuse of functionality units to a global scale.

 


Diseño e implementación de un Modelo bio-inspirado de Selección de Acción con un Enfoque Evolutivo
Rodrigo Edgar Palacios Leyva
Director: Dr. Fernando M. Montes González

Resumen

En este proyecto de investigación se desarrolla un Modelo de Selección de Acción que permite a un robot, elegir comportamientos pre-evolucionados en un ambiente motivado. Se sitúan en una arena un conjunto de tareas consistentes en que el robot tiene que recolectar unos cilindros que simulan comida, el robot cuenta con motivaciones (estados internos), miedo y hambre, que afectan la selección del repertorio de conductas. Es posible también, modular el modelo para ser más o menos selectivo dependiendo del valor de Dopamina simulada. Además, utilizamos la evolución para optimizar la red de selección motivada usada para la conmutación de conductas. Finalmente, se describen los resultados al variar los niveles de dopamina a mano y mediante evolución.

Design and implementation of a bio-inspired Action Selection Model with an Evolutionary Approach

Abstract

In this work, we focus on the development of a Selection Model that allows a robot to select pre-evolved behavior in a motivated environment. A collection of task is set in an arena where the robot has to collect cylinders wich simulate food. Therefore, two basic motivations, labeled as fear and hunger, both affect the selection of the behavioral repertoire. Additionally, it is possible to modulate the model to be either more or less selective depending on the tonic value of simulate Dopamine. Next, we use evolution for optimizing the motivated selection network used for behavioral switching. Finally, we describe the results of varying, by han and evolution, the levels of dopamine.

 


Aprendizaje multi-objetivo de redes bayesianas a partir de datos utilizando optimización mediante cúmulos de partículas
Vicente Josúe Aguilera Rueda
Director: Dr. Nicandro Cruz Ramírez

Resumen

En este trabajo doctoral se propone la realización de un algoritmo de aprendizaje de redes bayesianas a partir de datos, utilizando como algoritmo de búsqueda un MOPSO (Optimización por cúmulo de partículas multi-objetivo), con el fin de encontrar el compromiso entre 1) la bondad de la estructura de la red y 2) la precisión de clasificación.

Multi-objective Bayesian network learning from data using particle cluster optimization

Abstract

This dissertation proposes the design of a learning algorithm for Bayesian Networks from data, using MOPSO (Multi-objective particle swarm optimization) search algorithm in order to find a trade-off between 1) the goodness of the network structure and 2) its corresponding classification accuracy.

 


Arquitectura modular aplicada a la Robótica Evolutiva
Fernando Aldana Franco
Director: Dr. Fernando Montes González
Resumen

La tesis aborda el problema de la evolución artificial de estructuras modulares de control dentro del campo de trabajo de la Robótica Evolutiva. Para ello se propone el uso de Redes Neuronales Artificiales como unidad de cada modulo optimizadas mediante diferentes algoritmos del Cómputo Evolutivo, alternativos a los Algoritmos Genéticos. Se consideran dos soluciones diferentes para resolver la comunicación entre los módulos: Utilizando conexiones directas entre neurocontroladores, o mediante la jerarquerización de los módulos. Las plataformas robóticas utilizadas son e-puck y khepera.

Modular Architecture applied to Evolutionary Robotics

Abstract

Our investigation is focused in the artificial evolution of modular structures, which are employed as a control system for robots, using Evolutionary Robotics methods. Artificial Neural Networks will be used as a principal element in our modular structure, and will be artificially evolved through different Evolutionary Computation algorithms, alternative to Genetic Algorithms. We have considered two ways for communicating each module: direct connections between controllers, and modular hierarchy. E-puck and Khepera robots will be used in this project.

 


Método de predicción de tendencias en Twitter basado en aprendizaje incremental sobre una plataforma Multi-Agentes
Yecely Aridai Díaz Beristain
Director: Dr. Guillermo de Jesús Hoyos Rivera
Resumen

En este trabajo doctoral se propone el diseño de un modelo de análisis semántico de enunciados extraídos de la Red Social Twitter con base en técnicas de Procesamiento de Lenguaje Natural (PLN) y de Minería Web, para identificar el significado de los mensajes e inferir el impacto que se presente en función de diferentes criterios de agrupamiento.

Twitter trend prediction method based on incremental learning on a Multi-Agent platform

Abstract

This doctoral thesis proposes the design of a Semantic Sentences Analysis Model extracted from the Twitter Social Network, based on Natural Language Processing (NLP) and Web Mining techniques, with de objective of identify the meaning of the messages and furthermore to infer the impact that it should cause due to diverse grouping criteria.

 


Evolución Diferencial Memética para Optimización con Restricciones
Saúl Domínguez Isidro
Director: Dr. Efrén Mezura Montes
Resumen

La presente tesis doctoral consiste en la realización de un estudio empírico del desempeño de algoritmos de búsqueda local en el algoritmo de evolución diferencial (ED) para resolver problemas de optimización numérica con restricciones. Para cumplir con el objetivo de este estudio, será necesario seleccionar alguna versión de ED, a la cual le será incorporada un algoritmo de búsqueda local adecuado para espacios restringidos. Con base en medidas de desempeño se evaluarán los resultados del
algoritmo en conjuntos de funciones de prueba encontrados en la literatura especializada y tales resultados serán comparados contra los obtenidos por algoritmos del estado del arte.

Memetic Differential Evolution for Constrained Optimization

Abstract

This PhD dissertation consists on an empirical study of local search algorithms in differential evolution (DE) to solve numerical constrained optimization problems. To reach such objective, a suitable DE variant will be selected and added with a local search algorithm able to deal with constrained search spaces. The obtained results will be evaluated based on performance measures when solving sets of test problems found in the specialized literature. Such results will be compared against those obtained by state-of-the-art approaches.

 


Desarrollo de un control inteligente para una mano robot
Sergio Hernández Méndez
Director: Dr. Antonio Marín Hernández

Resumen

En este proyecto de investigación se plantea el desarrollo de un control inteligente con retroalimentación que permita a un robot manipulador poder tomar objetos en un ambiente controlado. Se dotara de distintos tipos de sensores a una mano robótica, los cuales proveerán la información necesaria para saber la orientación y fuerza que debe ejercer la mano sobre un determinado objeto. Así mismo se contará con una sección dedicada a extraer información visual, y se desarrollará un modelo de agarre de los diversos objetivos a manipular. Por último se describen los resultados empleando este control en la mano robótica junto con el modelo visual de agarre proporcionado por una cámara estéreo.

Development of an intelligent control for a robot hand

Abstract

In this work it is proposed the development of an intelligent control with feedback that enables a robot to grasp objects in a controlled environment. The robotic hand will be equipped with different types of sensors, that will provide the necessary information to determine the orientation and holding force to handle a given object. It will be also incorporated a section to extract visual information, and it will be developed a model of grasping to manipulate the diverse objects. Finally, it will be described the results, using this control in a robotic hand with the visual model of grip provided by a stereo camera.

 


Esquema Adaptativo para el Manejo de Restricciones de Límite en Problemas de Optimización Numérica Restringida
Efrén Juárez Castillo
Director: Dr. Héctor Gabriel Acosta Mesa.

Resumen

En este trabajo doctoral se propone emplear árboles de decisión para clasificar e interpretar los patrones de actividad neuronal multi-voxel localizados en imágenes de resonancia magnética funcional (fMRI por sus siglas en inglés) asociados a la actividad cognitiva presentada cuando un sujeto observa rostros con distinto contenido emocional. Un árbol de decisión permitirá seleccionar los voxeles que discriminen mejor entre estados cognitivos (selección de características) al mismo tiempo que ofrecerá información adicional sobre los voxeles con mayor influencia en tal actividad, permitirá trabajar de forma natural en entornos multiclase evitando reducir el problema a varios subproblemas de clasificación binaria, por otro lado, las reglas de decisión del modelo generado permitirán una interpretación natural que relacione las características (voxeles) con los estados cognitivos asociados a ellas.

Adaptive Scheme for Handling Boundary Constraints in Constrained Numerical Optimization Problems

Abstract

In this dissertation we propose to use decision trees to classify and interpret the multi-voxel patterns of neural activity localized in functional magnetic resonance imaging (fMRI) associated with the cognitive activity presented when a subject observes faces with different emotional content. A decision tree will select the voxels that best discriminate between cognitive states (feature selection) while offering additional information of the most influential voxels in such activity, will work naturally in multiclass problem avoiding reduce the problem to several binary classification problems, on the other hand, the decision rules of the generated model will allow a natural interpretation that relates the features (voxels) with the cognitive states associated with them.

 


JaCA-DDM: una herramienta para Minería de Datos distribuída basada en Agentes y Artefactos
Héctor Xavier Limón Riaño
Director: Dr. Alejandro Guerra Hernández

Resumen

Este trabajo propone una aproximación nueva para realizar minería de datos distribuida (MDD), esta aproximación se basa en el paradigma de Agentes y Artefactos CArtAgo, donde los artefactos encapsulan herramientas de minería de datos, heredadas de WEKA, que los agentes pueden utilizar mientras se encuentra embebidos en un proceso de aprendizaje colaborativo y distribuido. Las contribuciones principales de este trabajo son: i) JaCA-DDM: una herramienta extensible implementada en el lenguaje de programación orientado a agentes Jason y CArtAgO para experimentar aproximaciones de MDD basada en agentes utilizando conjuntos de entrenamiento bien conocidos en el área. Y ii) Un protocolo de aprendizaje colaborativo donde un agente construye un modelo de clasificación inicial, y entonces mejora esta hipótesis inicial utilizando instancias de otros agentes que no son cubiertas aún (contra ejemplos); reduciéndose de esta forma el número de instancias comunicadas, mientras se preserva la certeza de una aproximación centralizada. Este trabajo también explora aproximaciones de meta-aprendizajes y aprendizaje incremental para mejorar el protocolo de aprendizaje colaborativo propuesto.

JaCA-DDM: a tool for Distributed Data Mining based on Agents and Artifacts

Abstract

This work proposes a novel Distributed Data Mining (DDM) approach based in the Agents and Artifacts paradigm, as implemented in CArtAgO, where artifacts encapsulate data mining tools, inherited from Weka, that agents can use while engaged in collaborative, distributed learning processes. The twofold contribution of this work includes: i) JaCA-DDM: an extensible tool implemented in the agent oriented programming language Jason and CArtAgO to experiment DDM agent-based approaches on different, well known training sets. And ii) A collaborative protocol where an agent builds an initial classification model, and then enhances this initial hypothesis using instances from other agents that are not covered yet (counter examples); reducing in this way the number of instances communicated, while preserving accuracy when compared to full centralized approaches. This work also explores meta-learning and incremental learning approaches to enhance the collaborative protocol proposed.

 


Un algoritmo bio-inspirado para resolver problemas de optimización multi-objetivo dinámicos
María Guadalupe Martínez Peñaloza
Director: Dr. Efrén Mezura Montes

Resumen

En este trabajo doctoral se diseñará un algoritmo inspirado en la naturaleza para resolver problemas de optimización multi-objetivo dinámicos. Se considerarán mecanismos para lidiar con el dinamismo, el manejo de restricciones y la diversidad de la población. El principal desafío de este trabajo radica en que el frente óptimo de Pareto puede moverse con el tiempo, por lo que resulta difícil para un algoritmo de búsqueda mantener propiedades de diversidad y convergencia.

A bio-inspired algorithm for solving dynamic multi-objective optimization problems

Abstract

This PhD dissertation aims to design a nature-inspired algorithm to solve dynamic multi-objective optimization problems. Suitable mechanisms to deal with the time-changing nature of the problem, constraint-handling and diversity on the population will be considered. The main challenge of this work lies in the fact that the optimal Pareto front can move over time, then it is difficult for a search algorithm to maintain diversity and convergence properties.

 


Implementación de un Buscador de Imágenes para la Web, Basado en Dibujos Hechos por el Usuario
Ana María Miguelena Bada
Director: Dr. Guillermo de Jesús Hoyos Rivera

Resumen

Este proyecto de investigación consiste en la implementación de un Sistema de Búsqueda de Imágenes por Contenido, el cual requiera del usuario un dibujo, hecho a mano y en tiempo real, para basar su búsqueda y recuperar imágenes de la Web. La colección de imágenes sobre la cual se establecerán las búsquedas será recopilada por un programa que, de modo no supervisado, visite páginas de Internet y localice las imágenes contenidas en éstas. La base de datos del sistema consistirá de una representación compacta de las características de cada imagen (descriptores), ligada a su URL para poder ser localizada en la Web. Estos descriptores se generan a través de un proceso de extracción de bordes en el cual se obtienen únicamente los bordes sobresalientes de la imagen, mediante un proceso de optimización evolutiva. Dado a la inmensa cantidad de imágenes que pueden recuperarse de la Web, es necesario que dicha base de datos sea indexada para que la búsqueda pueda realizarse en un tiempo razonable. Esta indexación y el algoritmo de búsqueda dependerán de la naturaleza de los discriminantes que se utilicen para comparar los descriptores de las imágenes con el de un sketch. Así, en este proyecto de deberá crear el programa para recuperar las imágenes de la web; detallar y optimizar el método para extraer los bordes y delimitar la forma que tendrán sus descriptores; definir el método o conjunto de métodos que se utilizarán para cuantificar la similitud con el dibujo; y crear una indexación que permita que la selección de imágenes se realice de manera eficiente.

Implementation of an Image Search Engine for the Web, Based on User-Drawn Pictures

Abstract

This project aims to develop a Content Based Image Retrieval System, which most be queried by a real time, hand-made user’s sketch, to retrieve images from the Web. To set the collection in which the system will perform each search, there will be an unsupervised program in charge of visiting web pages and localize the images on them. The database for the CBIR system will consist of compact representations of the features from each image (descriptors), linked to an URL from where it can be localized on the Web. These descriptors will be generated from the outcome of an edge extraction process, aimed to detect only the salient borders of the image, achieved by an evolutional optimization. Given the huge amount of images found on the Web, it is necessary to index the system’s database so that the search process can be done in an acceptable time. This indexation and the search method will depend on the similarity measures to be used for comparing the images’ features with the sketch’s features. Thus, in the development of this project, it will be necessary to create the program to collect the images from the Web; to detail and optimize the process to extract the salient borders of the images and outline the way these features will be represented; to define the method or set of methods to measure similarity with the sketch; to establish an indexation and search method to retrieve images efficiently.

 


Diseño e Implementación de un Modelo Subrogado en Evolución Diferencial para Optimización con Restricciones
Mariana Edith Miranda Varela
Director: Dr. Efrén Mezura Montes

Resumen

En este trabajo doctoral se propone estudiar el uso de modelos subrogados en una variante de evolución diferencial para resolver problemas de optimización numérica con restricciones. El objetivo es profundizar en el conocimiento de la aplicación de modelos subrogados en optimización con restricciones. El resultado será un modelo subrogado para evolución diferencial que obtenga resultados competitivos con respecto a algoritmos del estado del arte.

Design and Implementation of a Surrogate Differential Evolution Model for Constrained Optimization

Abstract

This PhD dissertation proposes the study of surrogate models in a differential evolution variant to solve constrained numerical optimization problems. The main goal is to extend the knowledge on the application of surrogate models in constrained optimization. The result will be a surrogate model for differential evolution which provides competitive results with respect to state-of-the-art algorithms.

 


El problema de la predicción en series de tiempo financieras: Construcción de un «Trading System» mediante el uso de técnicas de IA
Carlos Pérez Alonso
Director: Dr. Alejandro Raúl Hernández Montoya

Resumen

En esta tesis doctoral, estudiamos el problema de la predicción en series de tiempo, en particular de series de tiempo de origen financiero, tales como índices, precios de acciones o divisas y atacamos el problema de construir un «Trading System» mediante el uso de técnicas de IA, tales como redes neuronales, algorítmos genéticos, minería de datos o una combinación de varias de estas.

The prediction problem in financial time series: Construction of a trading system using AI techniques

Abstract

In this work, we study financial time series, such as indexing and stock prices. We propose to implement a Trading System using Artificial Intelligence Techniques. These techniques include neural networks, evolutionary computation, and data mining.

 


Selección del Modelo Completo en Bases de Datos Temporales a Través de Metaheurísticas
Nancy Pérez Castro
Director: Dr. Efrén Mezura Montes

Resumen

Este trabajo propone el diseño e implementación de un algoritmo multi-objetivo para el problema de Selección de un Modelo Completo (FSM). Lo anterior para la clasificación de bases de datos de series de tiempo. FSM puede definirse como tener que escoger las técnicas más adecuadas del proceso KDD, para minimizar la complejidad del clasificador mientras se aumenta la precisión de la clasificación.

Full Model Selection in Temporal Databases through Metaheuristics

Abstract

This PhD dissertation proposes the design and implementation of a multi-objective optimization algorithm for the Full Model Selection (FSM) problem for classification of time series databases. FSM can be defined as to choosing the most suitable techniques of the KDD process which minimize the complexity of the classifier while increasing the classification accuracy.

 


Identificación Semántica de Mobiliario en Ambientes de Interior por un Robot Móvil Autónomo
Oscar Alonso Ramírez
Director: Dr. Antonio Marín Hernández

Resumen

En este trabajo se propone la detección de mobiliario doméstico, no fijo, el cual es relevante para la localización semántica. La importancia de la detección e identificación de dicho mobiliario radica en la capacidad de proporcionar información adicional del lugar donde se encuentra el robot, y por otro lado en la incorporación de dicha información al ambiente dinámico, proporcionando así a nuestro robot de una capacidad extra de mapeo.

Semantic Identification of Furniture in Indoor Environments by an Autonomous Mobile Robot

Abstract

This work proposes the detection of home furniture, which do not have a fixed location and they are relevant for semantic localization. The importance of the furniture detection and classification lies on the capability to provide extra information about the place where the robot is and also in the incorporation of such information to the dynamic environment, which gives the robot a new extra mapping capability.

 


Evolución incremental de un Modulo de Selección de Acción utilizando Atención Selectiva
Luis Lorenzo Rascón Pérez
Director: Dr. Fernando Montes González

Resumen

El objeto de estudio de la presente investigación es el controlador neuronal necesario para que robots autónomos móviles sean capaces de desplegar un comportamiento complejo como resultado de entrenar dicha red neuronal mediante técnicas evolutivas. Toma en cuenta una técnica novedosa para facilitar el desarrollo de módulos de selección de acción denominada Atención Selectiva, todo esto provoca un mayor interés por descubrir cuál es la estrategia que posibilite el desarrollo no supervisado de un controlador capaz de manifestar un comportamiento donde el agente interactúe con el entorno y modifique a su beneficio variables del mismo.

Incremental evolution of an Action Selection Module using Selective Attention

Abstract

The focus during the present research project is the neural controller necessary to enable autonomous mobile robots to show a complex general behavior as a result of training through Evolutionary Computing techniques. This project relies on a new technique named Selective Attention which facilitates the development of Action Selection Modules, this leads the project into discovering which is the strategy to produce a neuronal control where the agent interacts with its environment modifying some environmental variables in order to benefit itself.

 


Una Técnica de Discretización Multidimensional para Bases de Datos Estadísticas usando un Algoritmo Inspirado en la Naturaleza
Rafael Zamudio Reyes
Director: Dr. Nicandro Cruz Ramírez

Resumen

En el presente trabajo doctoral, se implementará un algoritmo de discretización multidimensional que utilizará diferentes medidas de evaluación para encontrar los diferentes puntos de corte. Dicha medida de evaluación será maximizada con ayuda de un algoritmo genético. Se presentan dos casos de discretización: uno en el que solo se considera la maximización de la medida de evaluación para encontrar el esquema de discretización y otro en él que se tienen dos objetivos a maximizar, la medida de evaluación y el porcentaje de clasificación obtenido por un clasificador, buscando con esto último obtener un esquema de discretización competitivo que beneficie al clasificador.

A Multidimensional Discretization Technique for Statistical Databases using an Algorithm Inspired by Nature

Abstract

This work proposes a novel discretization approach, called multidimentional discretization algorithm, this technique uses different evaluation measures to find the minimum number of discrete intervals. That measure will be maximized with a genetic algorithm. Exist two discretization cases: in the first one only the maximization of the evaluation measure its considered to find the discretization scheme and in the second case there are two objectives to maximize, the evaluation measure and the classification accuracy obtanined by a classifier, this case aims to obtain a competitive discretization scheme that allows to the classifier works better.

 


Discretización de series temporales usando un algoritmo multi-objetivo y árboles de decisión
Aldo Márquez Grajales
Director: Dr. Héctor Gabriel Acosta Mesa

Resumen

En este trabajo doctoral se propone encontrar un esquema de discretización eficiente, en cuanto a dimensión como a clasificación, usando una representación flexible o adaptativa, es decir, se utilizarán alfabetos variables e independientes por cada segmento de palabra, lo que permitirá tener una gama más amplia de soluciones donde buscar; así mismo se propone incorporar árboles de decisión como métrica en la evaluación de la capacidad de clasificación de dichos haciendo evidente gráficamente la estructura de las soluciones. Debido a que el espacio de búsqueda se ampliará significativamente como resultado de la implementación del esquema discreto flexible, se propone reforzar la búsqueda usando un algoritmo bio-inspirado para evitar el estancamiento en óptimos locales, realizando un análisis de los algoritmos para seleccionar aquél que presente mayor eficiencia y eficacia al iterar en el espacio de búsqueda generado. La propuesta será comparada contra las discretizaciones realizadas en la literatura especializada para validar la contribución realizada.

Time series discretization using multi-objective algorithm and decision trees

Abstract

This research proposes to find a efficient discretization scheme to temporal databases, considering the dimension of time series and the capability of classification, using a flexible or adaptive representation, that is, we will use variable and independent alphabets for each word segment, allowing to create a big solutions space where find the best; also, we proposes add a decision tree to evaluate the classification making graphically visible the structure of the solutions. Due to the dimension of the searching space will be bigger, we will apply a bio-inspired algorithm to avoid find a local optimal, performing a comparative between every bio-inspired algorithm to pick up the best. The proposal will be compared with the results obtained with the representations found in others works. the representations found in others works.

 


Modelado para una plataforma de Agentes de Interfaz Inteligentes, Adaptativos, Multimodales y Cooperativos
Juan Luis López Herrera
Director: Dr. Homero Vladimir Ríos

 


Una Técnica de Clasificación Bayesiana de Datos Estructurados Tolerante a Errores de Entrenamiento
Oleg Kozlov
Director: Dr. Alejandro Guerra Hernández

 


Tesis
Bruno Madrazo Arjona
Director: Dr. Guillermo de J. Hoyos Rivera

 


Una Alternativa de Comunicación con Agentes Autónomos para el Control por Comandos
Yahir Hernández Mella
Director: Dr. Antonio Marín Hernández

 


Sistema corporal basado en acelerometría para el analisis de la marcha humana.
Miguel Ángel Landa Jiménez
Director: Dr. Fernando M. Montes González

Resumen

El analisis de la marcha aporta informacion importante para evaluación clínica de los sujetos con patologías del movimiento. Los sistemas tradicionales de análisis de la marcha humana están limitados a configuraciones de grandes recursos (laboratorios con sistemas comerciales). Los dispositivos corporales (wearables) proporcionan la capacidad de cuantificar las características de la marcha de los sujetos en ambientes menos controlados. En este trabajo se propone el uso de sensores MPU-6050 (acelerómetro/giróscopio) para cuantificar características del caminado en sujetos sin patologías del movimiento. Se usará un micro-controlador Arduino para recolectar los datos y enviarlos inalámbricamente a una computadora para su posterior procesamiento. Finalmente, usando técnicas de procesamiento digital de señales se realizará el procesamiento de los datos recolectados. Adicionalmente se buscará desarrollar un método básado en redes neuronales artificiales que ayude a detectar modificaciones en el patrón de marcha de los sujetos.

A wearable accelerometer-based gait analysis system

Abstract

The gait analysis provides important information for clinical evaluation of patients with movement disorders. Traditional gait analysis systems are limited to high resources settings (labs with commercial systems). Wearables devices enable the capacity to quantify a subject’s gait features in less controlled environments. In this work, we proposed the use of the accelerometer/gyroscope MPU-6050 to quantify the gait features of subjects without movement disorders. We will use an Arduino microcontroller for data acquisition and wireless transmission to a computer for processing. Finally, using digital signal processing techniques the data will be processed. Additionally we will seek to develop a method based on Artifical Neural Networks (ANNs) to detect changes in the gait pattern of subjects.

 


Búsqueda de patrones en intervalos inter-ráfaga de registros electrofisiológicos
Patricia González Gaspar
Director: Dr. Fernando M. Montes González

Resumen

Dos preguntas fundamentales en neurociencias son: ¿Qué hace que una neurona produzca un potencial de acción? y ¿Por qué la entrada que produce una respuesta en una neurona no necesariamente produce la misma respuesta en otra?. En este trabajo de investigación se propone buscar patrones en el intervalo inter-ráfaga de registros electrofisiológicos de neuronas, usando diferentes enfoques de minería de datos. Adicionalmente se realizará un modelo basado en redes neuronales artificiales que sea capaz de predecir la ocurrencia y duración de los potenciales de acción.

Searching for patterns in interbursting intervals of electrophysiologic recordings

Abstract

Two fundamental questions of neuroscience are: What causes a neuron to produce an action potential? and What makes neurons elicit responses in one neuron but not in other? In this research work we propose search patterns in the interbursting interval from neural electrophysiological recordings, by different approaches of data mining. Aditionally, will be made a based-artifitial neuronal networks model able to predict production and duration of action potencials.

 


Predicción Robusta del Tiempo al Contacto Mediante el Análisis del Tamaño Aparente de los Obstáculos en la Navegación Robótica
Ángel Juan Sánchez García
Director: Dr. Homero Vladimir Ríos Figueroa

Resumen

En este trabajo se propone la incorporación de algoritmos y métodos que permitan la estimación del tiempo al contacto, foco de expansión e invariantes diferenciales de manera robusta, es decir, de manera precisa, tolerante al ruido y funcional en diferentes ambientes, basada en sensores pasivos (visión monocular) para la planeación de diferentes movimientos y trayectorias de robots, como la evasión de obstáculos o el estacionado de manera autónoma.

Robust Prediction of Time to Contact by Analyzing the Apparent Size of Obstacles in Robotic Navigation

Abstract

In this work, it is proposed the incorporation of algorithms and methods for estimation of time to contact, focus of expansion and differential invariants robustly, that is, precisely, noise tolerant and functional in different environments, based on proposed passive sensors (monocular vision) for planning different movements and trajectories of robots, such as obstacle avoidance or parked autonomously.

 


Mapeo de obstáculos y servicios disponibles mediante robots autónomos en situaciones de búsqueda y rescate
Arturo Getsemani Roa Borbolla
Director: Dr. Antonio Marín Hernández

Resumen

En este trabajo doctoral se propone la utilización de robots en situaciones de búsqueda y rescate los cuales tendrán conocimiento a priori de la estructura del edificio donde se realizara dicha actividad, con el conocimiento a priori el robot será capaz de navegar en un principio por la instalación y realizar el nuevo mapeo para obstáculos y los servicios aun disponibles en el ambiente, para realizar el mapeo de los servicios aun disponibles se utilizaran diversos dispositivos y diferentes técnicas de reconocimiento de servicios como por ejemplo el descubrimiento de redes wifi. Finalmente se realizaran pruebas con el robot incorporando el conocimiento a priori en contraparte sin la incorporación del conocimiento a priori usando medidas de tiempo y aciertos en la detección de personas en riesgo.

Mapping of obstacles and available services by autonomous robots in search and rescue situations

Abstract

This dissertation proposes to use robots on search and rescue situations incorporating prior knowledge of the building structure where such activity will be performed, with prior knowledge the robot initially will be able to navigate and re map obstacles and functional services at building, to do functional services re mapping, the robot will use a variety of devices and different discovering services techniques such as wifi network discovering. Finally, we will perform extensive testing with robot incorporating prior knowledge counterpart without prior knowledge using time measures and success in people on risk detection.

 


Detección de posturas del cuerpo humano: Caídas
Carolina Gabriela Maldonado Méndez
Director: Dr. Homero Rios Figueroa

Resumen

En este proyecto de investigación se plantea la detección de la postura de caída del cuerpo humano, antes de que ocurra la misma o cuando ya ocurrió, el resultado de este proyecto se puede utilizar en las áreas de sector salud, asilos, en donde las personas que son vulnerables a sufrir caídas en lugar de estar bajo la supervisión de tiempo completo de una persona, el sistema de reconocimiento de posturas detecte cuando una persona este en una posición que lo haga vulnerable a una caída o bien cuando la caída ya haya ocurrido y se habilite una alarma para que se atienda a la persona de manera oportuna. En este proyecto se utilizaran sensores de información visual 3D y algoritmos.

Detection of human body postures: Falls

Abstract

In this research project detecting the position of falling human body arises, before it happens or when it happened, the result of this project can be used in the areas of health sector, nursing homes, where people who are vulnerable to falls, instead of being under the supervision of a full-time person, the vsual recognition system detects the posture when a person is in a position that makes it vulnerable to a fall or when the fall has already occurred. For the development of this project we will use 3D visual information sensor and algorithms.

 


Metodología para la detección de gestos de la Lengua de Señas Mexicana
Candy Obdulia Sosa Jimenez
Director: Dr. Homero Vladimir Rios Figueroa

Resumen

Esta investigación pretende realizar la detección e interpretación de la Lengua de Señas Mexicana(LSM) utilizando un sistema multimodal de visión cognitiva que permita describir en lenguaje natural a partir de capturas de nubes de puntos de personas expresando tanto el alfabeto como un conjunto de signos que expresen palabras y enunciados en la LSM, el cual sirva a manera de una interfaz de traducción para que una persona oyente no requiera conocer el lenguaje de señas para comunicarse con una persona discapacitada auditivamente sino que al ver el conjunto de señas pueda entender en lenguaje natural lo que desea expresar la persona con discapacidad auditiva.

Methodology for the detection of Mexican Sign Language gestures

Abstract

This research aims to perform the detection and interpretation of Mexican Sign Language (LSM) using a multimodal cognitive vision system for describing natural language from point cloud capture people expressing the alphabet and a set of words and symbols that express sentences in LSM, which serves like a translate interface that does not require a hearing person to know LSM to communicate with a hearing-disabled person.

 


Un algoritmo inspirado en la naturaleza para resolver problemas de optimización numérica restringida con alta dimensionalidad
Adán Enrique Aguilar Justo
Director: Dr. Héctor Francisco Coronel Brizio

Resumen

Este trabajo trata del diseño, implementación y prueba de un algoritmo inspirado en la naturaleza para resolver problemas de optimización numérica con alta dimensionalidad. Se probarán diferentes técnicas para dividir adecuadamente el conjunto de variables. El algoritmo propuesto resolverá conjuntos de funciones de prueba encontrados en la literatura especializada y se utilizarán medidas de desempeño adecuadas para analizar su comportamiento y desempeño.

A nature-inspired algorithm to solve large-scale dimensional constrained numerical optimization problems

Abstract

This work deals with the design, implementation and testing of a nature-inspired
algorithm to solve large-scale numerical optimization problems. Different techniques to properly divide the set of variable will be tested. The proposed algorithm will solve benchmark problems found in the specialized literature and suitable performance measures will be used to analyze its behavior and performance.

 


Un estudio de operadores de variación en algoritmos inspirados en la naturaleza para optimización restringida
Adriana Cervantes Castillo
Director: Dr. Efrén Mezura Montes

Resumen

Este trabajo analizará las capacidades de diferentes operadores de variación para generar y/o mantener la factibilidad de soluciones en un espacio restringido. Se realizarán diferentes experimentos en conjuntos de prueba encontrados en la literatura especializada y se utilizarán medidas de desempeño para analizar el comportamiento de cada operador.

A study of variational operators in nature-inspired algorithms for constrained optimization

Abstract

This work will analyze the abilities of different variation operators to generate and/or maintain the feasibility of solutions when dealing with a constrained search space. Different tests will be carried out on benchmarks found in the specialized literature and performance measures will be used to analyze the behavior of each operator.

 


Implementación de un esquema robótico para la optimización de comportamientos en ambientes no estructurados utilizando evolución
Alexsi Adad Pérez Escudero
Director: Dr. Fernando M. Montes González

Resumen

En los últimos años el área de la robótica evolutiva ha demostrado ser un paradigma excelente cuando se trata de trabajar con robots, superando por mucho a la robótica basada en comportamiento. Es un área dónde se experimenta con modelos robóticos, tratando de encontrar configuraciones o comportamientos deseados con la más mínima intervención humana haciendo que el robot aprenda por medio de un proceso evolutivo en el cual a medida que avanzan las generaciones el resultado se va refinando. Es en éste proceso evolutivo dónde se ha explorado muy poco utilizando siempre el mismo algoritmo, el algoritmo genético, para realizar las tareas deseadas. Aunque el algoritmo genético ha demostrado obtener buenos resultados, existen otras opciones muy eficientes para hacer el proceso evolutivo, es por esto que en este trabajo se plantean utilizar otras opciones además del algoritmo genético como lo son el M.B.F.O.A. que por ser un algoritmo reciente se ha explorado poco en esta área, la evolución diferencial que a través de diversas pruebas ha demostrado ser un algoritmo bastante eficiente, y por último la C.D.E. un algoritmo muy reciente el cual es una hibridación de la evolución diferencial y el M.B.F.O.A., para así poder comparar los resultados entre estos algoritmos y ver si son mejores que el tradicional algoritmo genético.

Implementation of a robotic scheme for behavioral optimization in unstructured environments using evolution

Abstract

In the last years the evolutionary robotics (ER) approach has proven a sufficient solution for controlling robots in structured environments. The use of ER with robotics based behavior is a recent approach. Usually this integration relies on the use of a genetic algorithm; however we propose the use of a Modified Bacterial Foraging Optimization algorithm (M.B.F.O.A) hybridized together with Differential Evolution (DE) which is the base of the C.D.E. algorithm. We use this latter algorithm in order to see how robotic performance is improved.

 


Detección y localización de mobiliario del hogar para robots de servicio
Yaser Aguas García
Director: Dr. Antonio Marín Hernández

Resumen

La integración de los robots en la vida cotidiana es ya una realidad. La época en la que los robots sólo prestaban asistencia en el campo de la medicina o la industria ha quedado atrás, ahora podemos encontrar robots que aspiran nuestros pisos, conducen por nuestras calles, guían a la gente en los museos o reparten comida en los restaurantes. Sin embargo, el sueño de tener un robot de servicio que nos haga la cama, cocine una comida, limpie la casa y saque al perro a pasear está bastante lejos para las capacidades que tienen los robots modernos. A pesar de los grandes logros en materia de movimiento y equilibrio, los robots siguen teniendo dificultades para comprender el mundo por el que navegan. La capacidad de detectar y localizar objetos de forma eficaz es esencial para los robots si queremos que entiendan el mundo como lo hacemos nosotros. Los métodos actuales de detección de objetos se basan en datos obtenidos a partir de modelos 3D o imágenes 2D, que requieren pesados procesos computacionales y no suelen proporcionar información para ninguna otra tarea más que la detección y localización de objetos. Esta tesis pretende proporcionar a los robots de servicio una metodología alternativa que utilice un modelo abstracto, basado en distribuciones de medidas rápidas y fáciles de calcular para detectar y localizar muebles en entornos domésticos, proporcionándoles información útil, no sólo para las tareas de manipulación, sino también para mejorar la localización, el evitar colisiones y la comprensión del entorno.

Home Furniture Detection and Localization for Service Robots

Abstract

Robot integration into everyday life is now a reality. The time where robots assist only in the medical field or industry is now gone, now we can find robots vacuuming our floors, driving through our streets, guiding people on museums or delivering food in restaurants. Yet, the dream of having a service robot who can make our beds, cook a meal, clean the house and take the dog for a walk is quite far away for the capabilities modern robots have.
Despite grater achievements in motion and balance, robots still struggle in understanding the world they navigate through. The ability to efficiently detect and locate objects is essential for robots if we want them to understand the world the way we do.
Current methods of object detection are based on data obtained from 3D models or 2D images, which require heavy computational processes and they usually doesn’t provide information for any other task rather than the object detection and location.
This thesis aims to provide to service robots an alternative methodology that uses an abstract model, based on fast an easy to compute measures distributions to detect and locate furniture in home environments, providing them useful information, not only for manipulation tasks, but also for improving localization, collision avoidance and understanding of the environment.

 


Evaluación de desempeño de los Métodos de Monte Carlo para balanceo de clases
Reynaldo Domínguez Castillo
Director: Dr. Nicandro Cruz Ramírez

Resumen

En este trabajo se plantea el uso de Monte Carlo Markov Chain (MCMC) para balanceo de clases. Los metodos de clasificación comunmente usados como árboles de decisión, clasificadores lineales, métodos bayesianos entre otros, no tienen un buen desempeño cuando clasificamos bases de datos que no tienen una distribucion uniforme respecto al valor de clase. Existen distintos métodos para balancear clases; uno de los más usados es SMOTE, el cual genera datos artificiales. Los MCMC teóricamente son la mejor herramienta para simular distribuciones de probabilidad; sin embargo, no son usados comunmente. En este trabajo se probar ́a el desempe ̃no de los MCMC contra el desempeño de SMOTE.

Performance Evaluation of Monte Carlo Methods for Class Balancing

Abstract

This work proposes the use of Monte Carlo Markov Chain (MCMC) for balancing classes. Classification methods commonly used, such a as decision trees, linear classifiers, Bayesian methods and others, do not have a good performance when used on databases not uniformly distributed around the class. There are different methods to balance classes; one of the most popular is SMOTE, which generates artificial data. The MCMC is theoretically the best method to simulate probability distributions; however, it is seldom used. In this work, the performance of MCMC to balance classes will be tested against that of SMOTE.

 

Juego Serio para la Rehabilitación de Dedos Mediante Fusión de Sensores
Carlos Alberto Aguilar Lazcano
Directora: Dra. Ericka Janet Rechy Ramírez

Resumen

En México, de acuerdo al INEGI 2010, aproximadamente el 5.1% de la población padece de alguna discapacidad que les impide vivir plenamente. Esta investigación se centra en el grupo que sufre reducción de movilidad en la mano. Por ello, el objetivo de esta investigación es desarrollar una interfaz humano-computadora que permita efectuar la rehabilitación de la mano empleando fusión de sensores electromiográficos superficiales y visión estéreo con retroalimentación de un entorno de realidad virtual.

Serious Game for Sensor Fusion Finger Rehabilitation

Abstract

In Mexico, according to the INEGI 2010, 5.1% of the population suffers from a disability, which affects the quality of life. This research is focused on the population with loss of mobility in the hand. Therefore, the aim of this study is to implement a human computer interface for hand rehabilitation based on fusion of electromyography surface signals and stereo vision. The feedback to user will be through a virtual reality environment.

 


Un estudio sobre evolución diferencial en optimización robusta
José Yair Guzmán Gaspar
Director: Dr. Efrén Mezura Montes

Resumen

La resolución de problemas de optimización dinámica (DOPs) ha sido de gran interés en la comunidad científica ya que muchos problemas del mundo real cambian su ambiente a través del tiempo. Uno de los métodos más utilizados para abordar estos problemas es con el seguimiento del óptimo. Sin embargo, no
siempre es factible implementar la solución cada vez que el ambiente cambia. En años recientes, un nuevo enfoque para la resolución de DOPs ha sido sugerido, el cual trata de maximizar el tiempo en que una solución permanece aceptable aún cuando el ambiente cambia. Este trabajo de tesis trata sobre el estudio del algoritmo de evolución diferencia en este tipo de espacios de búsqueda.

A study of differential evolution in robust optimization

Abstract

Solving dynamic optimization problems (DOPs) has been of great interest in the scientific community, since many real-world problems change their environment over time. One of the most popular methods to face those problems is the optimum tracking. However, it is not always possible to implement the solution after every environment change. In recent years, a new approach to solve DOPs has been suggested, where the time a solution remains competitive, even in presence of changes, looks to be maximized. This thesis work deals with the study of differential evolution in this type of search spaces.


Estrategias Heurísticas Eficientes para el Problema de Programación de Máquinas Paralelas con Máquinas no Relacionadas y Minimización del Tiempo de Producción (Inglés)
Octavio Ramos Figueroa
Directora: Dra. Marcela Quiroz Castellanos

Resumen

Muchos problemas de importancia práctica y teórica dentro de los campos de la Inteligencia Artificial y la Investigación de Operaciones son combinatorios. Los problemas de optimización combinatoria consisten en encontrar valores para variables discretas que cumplan ciertas condiciones y maximicen (o minimicen) una función objetivo. Normalmente, los problemas con estas características son fáciles de definir, pero a menudo son difíciles de resolver. De tal manera que, el proceso de solución de muchos de estos problemas representa un gran reto y actualmente no existe ningún algoritmo que permita encontrar la solución óptima de manera eficiente en el peor de los casos. Estos problemas han sido clasificados por la comunidad científica como pertenecientes a la clase NP-dura. Este trabajo se centra en los problemas de agrupación NP-dura, una clase especial de problemas combinatorios que, en general, implica buscar una distribución eficiente de una colección de elementos entre un conjunto de grupos. Debido a la dificultad de este tipo de problemas, la literatura especializada contiene varios algoritmos para su solución, principalmente algoritmos metaheurísticos, que pueden obtener soluciones aproximadas de alta calidad en tiempos de ejecución cortos. Entre las propuestas más destacadas se encuentran las búsquedas locales, los algoritmos de inteligencia de enjambre y los algoritmos evolutivos, destacando los resultados obtenidos por el Algoritmo Genético de Agrupación (GGA). Sin embargo, a pesar de los esfuerzos de la comunidad científica en el desarrollo de nuevas estrategias, hasta la fecha no existe ningún algoritmo que presente el mejor rendimiento para todas las situaciones posibles. Por esta razón, el desarrollo de algoritmos de alto rendimiento para problemas NP-duros es un campo de investigación abierto y especialistas de todo el mundo trabajan en el desarrollo de nuevos métodos de solución. De la literatura especializada también se desprende que gran parte del progreso reciente en el desarrollo de algoritmos se ha visto favorecido por una mejor comprensión de las propiedades de las instancias de los problemas y del proceso de optimización de los algoritmos que los resuelven.
Lo anterior motiva este trabajo de investigación que aborda la caracterización del problema Programación de Máquinas Paralelas con Máquinas No Relacionadas y Minimización del Tiempo de Producción ($R||C_{max}$) y el proceso de optimización del GGA. De este modo, este trabajo abarca (1) el diseño del primer GGA para $R||C_{max}$; (2) el desarrollo de un GGA Mejorado (EGGA) basado en un estudio sistemático del proceso de optimización que presentan las estrategias heurísticas de cada componente del GGA (inicialización de la población, operadores de cruce y mutación, y técnica de reproducción); y (3) la caracterización de la estructura de $R||C_{max}$ y del comportamiento algorítmico del EGGA para identificar nichos de oportunidad de mejora y diseñar un GGA Final (FGGA). El estudio sistemático de cada componente del GGA de forma aislada permitió generar estrategias inteligentes para mejorar su rendimiento. Asimismo, el enfoque de caracterización permitió identificar las propiedades en la estructura de una instancia de $R||C_{max}$ que la hacen difícil. Finalmente, permitió entender cómo las propiedades de $R||C_{max}$ impactan en el proceso de optimización y en el rendimiento final del EGGA propuesto. Los conocimientos adquiridos se utilizaron para diseñar el FGGA. Los resultados experimentales mostraron la utilidad del enfoque de caracterización empleado, ya que las mejoras implementadas desde el GGA inicial hasta el FGGA permitieron alcanzar una tasa de mejora de alrededor del 396%. De tal manera que el FGGA supera la efectividad de los métodos de solución del estado del arte utilizando sólo 10.000 generaciones. El resultado final de este trabajo demuestra la importancia de conocer en profundidad el problema a resolver, ya que dicho conocimiento puede ser utilizado para mejorar el rendimiento de los algoritmos de solución existentes y para diseñar otros nuevos. Esperamos que el enfoque mostrado en este trabajo sirva de guía para el estudio de otros problemas de agrupación y para el diseño de métodos de solución de alto rendimiento.

Efficient Heuristic Strategies for the Parallel-Machine Scheduling Problem with Unrelated Machines and Makespan Minimization

Abstract

Many problems of practical and theoretical importance within the fields of Artificial Intelligence and Operations Research are combinatorial. Combinatorial optimization problems consist of finding values for discrete variables that met certain conditions and maximize (or minimize) an objective function. Usually, the problems with these characteristics are easy to define, but often difficult to solve. In such a way that, the solution process of many of these problems represents a great challenge and currently there is no algorithm to find the optimal solution efficiently in the worst case. Such problems have been classified by the scientific community as belonging to the NP-hard class. This work focuses on NP-hard grouping problems, a special class of combinatorial problems that, in general, implies to search an efficient distribution of a collection of items among a set of groups. Due to the difficulty of this type of problem, the specialized literature contains several algorithms for their solution, mainly metaheuristic algorithms, that can obtain high-quality approximated solutions in short execution times. The most outstanding proposals include local searches, swarm intelligence algorithms, and evolutionary algorithms, highlighting the results obtained by the Grouping Genetic Algorithm (GGA). However, despite the efforts of the scientific community in the development of new strategies, to date, there is no algorithm that presents the best performance for all possible situations. For this reason, the development of high-performance algorithms for NP-hard problems is an open research field and specialists throughout the world work on the development of new solution methods. From the specialized literature also emerges that much of the recent progress in algorithm development has been aided by a better understanding of the properties of problem instances and the optimization process of the algorithms that solve them.
The foregoing motivates this research work that addresses the characterization of the problem Parallel Machine-Scheduling with Unrelated Machines and Makespan Minimization ($R||C_{max}$) and the optimization process of the GGA. In this way, this work covers (1) the design of the first GGA for $R||C_{max}$; (2) the development of an Enhanced GGA (EGGA) based on a systematical study of the optimization process presented by the heuristic strategies of each GGA component (population initialization, crossover and mutation operators, and reproduction technique); and (3) the characterization of the $R||C_{max}$ structure and the EGGA algorithmic behavior to identify improvement opportunity niches and design a Final GGA (FGGA). The systematical study of each GGA component in isolation allowed generating intelligent strategies to improve their performance. Likewise, the characterization approach allowed identifying the properties in the structure of an $R||C_{max}$ instance that becomes it difficult. Finally, it allowed understanding how the $R||C_{max}$ properties impact the optimization process and the final performance of the proposed EGGA. The knowledge gained was used to design the FGGA. The experimental results showed the usefulness of the characterization approach employed, since the improvements implemented from the initial GGA to the FGGA allowed reaching an improvement rate of about 396%. In such a way that the FGGA exceeds the effectiveness of the state-of-the-art solution methods by using only 10,000 generations. The final outcome of this work demonstrates the importance of knowing in-depth the problem to solve, since such knowledge can be used to improve the performance of the existing solution algorithms and to design new ones. We expect that the approach shown in this work will be used as a guide for the study of other grouping problems and for the design of high-performance solution methods.

 


Análisis de la Viralidad a través de una Clasificación Difusa de Mensajes en Twitter
Omar Rodríguez López
Director: Dr. Guillermo de Jesús Hoyos Rivera

Resumen

En el presente trabajo de investigación se estudia el concepto de viralidad en Twitter mediante una clasificación difusa de los mensajes compartidos por usuarios mexicanos. Para alcanzar tal propósito, se procede a construir un lexicón de palabras del español que sirva como base en la clasificación de la intencionalidad que los tweets poseen al ser publicados. La importancia de este recurso radica en el hecho de que actualmente los lexicones utilizados para análisis de sentimientos del español han sido construidos con datos artificiales y no se ajustan correctamente al uso que en Twitter se le da al lenguaje. Para potenciar la creación del lexicón, se utiliza un tesauro y una lista de expresiones coloquiales normalmente usadas en dicha red social. La clasificación de los mensajes está fundamentada en un sistema difuso que considera un continuo de intencionalidad en vez de la clásica aproximación: positivo, neutro y negativo. La interpretación de los resultados, paso inicial para el análisis de la viralidad, dependerá del algoritmo de clasificación usado y la comparación de estos con los modelos virales usados en la actualidad arrojará los primeros indicios de los factores involucrados en la transmisión de un tweet así como del impacto de la interacción de los usuarios con estos. Se pretende estudiar las relaciones que existen entre la intención de un mensaje y su difusión, así como el patrón que sigue desde su nacimiento hasta su establecimiento como posible trending topic.

Virality Analysis through a Fuzzy Classification of Messages on Twitter.

Abstract

In this work we focus on the study of virality in Twitter through a fuzzy classification of tweets shared by Mexican users. In order to reach that, we’ll make a Spanish lexicon for the classification of tweets polarity. The importance of this lexicon lies in the fact that the lexicons created in literature for sentiment analysis in Spanish were created with artificial data and its performance on colloquial language is bad. To potentiate the lexicon, we use a Spanish thesaurus and a list of colloquial expressions. The classification of tweets is founded on a fuzzy system to consider a continuum of polarities. The interpretation of these results will depend on the chosen classification algorithm and the comparison with the viral models used nowadays will show the first factors of the transmission of tweets and the impact of the interaction between users and tweets.

 

 


Simulación de Mercados Financieros Basado en Agentes Utilizando Inteligencia Artificial
David Hernández Enríquez
Director: Dr. Alejandro Raúl Hernández Montoya

Resumen

 

Agent-Based Financial Market Simulation Using Artificial Intelligence

Abstract

 

 


Módulo de Interacción Multimodal para la Asistencia de Adultos Mayores en el Cumplimiento de Tareas Básicas en la Vida Cotidiana
Silvia Hernández Oliva
Director: Dr. Homero Vladimir Ríos Figueroa

Resumen

 

Multimodal Interaction Module for Assisting Older Adults in Performing Basic Tasks in Daily Life

Abstract

 

 


Una Metaheurística Eficiente para Optimización Bi-nivel
Jesús Adolfo Mejía de Dios
Director: Dr. Efrén Mezura Montes

Resumen

 

An Efficient Metaheuristic for Bi-level Optimization

Abstract

 

 


Caracterización de Poblaciones Nativas de Frijol (Phaseolus vulgaris L.) Utilizando Aprendizaje Automático sobre Histogramas de Color
José Luis Morales Reyes
Director: Dr. Héctor Gabriel Acosta Mesa

Resumen

 

Characterization of Native Bean (Phaseolus vulgaris L.) Populations Using Automatic Learning of Color Histograms

Abstract

 

 


Técnicas de Inteligencia Artificial Aplicadas al Trading en Mercados Financieros Especulativos
Carlos Manuel Rodríguez Martínez
Director: Dr. Alejandro Raúl Hernández Montoya

Resumen

 

Artificial Intelligence Techniques Applied to Trading in Speculative Financial Markets

Abstract

 


Técnicas de Procesamiento de Imágen y Visión Artificial, como un Método no Invasivo, para la Metrología Óptica de Micropartículas
Gabriela Villegas Sánchez
Director: Dr. Antonio Marín Hernández

Resumen

La propuesta de éste trabajo es realizar metrologı́a con técnicas avanzadas de visión artificial; utilizando invariantes geométricas, particularmente las invariantes proyectivas y geometrı́a computacional, para estudiar la dinámica de las micropartı́culas y los efectos de la manipulación óptica en una trampa óptica horizontal de micropartı́culas. Y de esta manera, elaborar el diseño de una herramienta que permita la extracción de información de imágenes digitales provenientes de un microscopio, en el cual está adaptada la trampa óptica horizontal.

Image Processing and Machine Vision Techniques as a Non-Invasive Method for Optical Metrology of Microparticles

Abstract

The proposal of this work is to perform metrology with advanced computer vision techniques; using geometric invariants, particularly projective invariants and computational geometry, to study the dynamics of microparticles and the effects of optical manipulation in a horizontal optical trap of microparticles. And in this way, to elaborate the design of a tool that allows the extraction of information from digital images coming from a microscope, in which the horizontal optical trap is adapted.

 


Caracterización de métodos de descomposición de variables para problemas de optimización con alta dimensionalidad
Guadalupe Carmona Arroyo
Directora: Dra. Marcela Quiroz Castellanos

Resumen

Los algoritmos que resuelven problemas de optimización han mostrado un desempeño deficiente a medida que aumenta número de variables de decisión en el problema, estos problemas son conocidos en la literatura especializada como Problemas de Optimización a Gran Escala y se han propuesto varias estrategias para enfrentarlos. Uno de los enfoques más populares para resolverlos es llamado Coevolución Cooperativa (CC), que se inspira en la estrategia divide y vencerás. CC funciona en tres etapas: primero, se descompone el problema en problemas más pequeños, es decir, se separan en grupos las variables de decisión del problema, después se optimiza cada uno de los subproblemas mediante algún algoritmo de optimización, y finalmente las soluciones de cada subproblema, dadas por el paso anterior, cooperan para crear una solución completa del problema original.

En este trabajo se desarrolla el estudio detallado de la primera etapa de CC, la descomposición de variables en problemas de optimización a gran escala con restricciones. Por lo que se propone un nuevo método para descomponer variables el cuál es un algoritmo genético de agrupación. Este tipo de algoritmos han demostrado ser competentes al momento de resolver problemas donde se ve involucrada la agrupación de elementos y con empleados para resolver una gran variedad de problemas de optimización combinatoria. Además, se propone también la caracterización del desempeño del método propuesto en este trabajo de acuerdo con su rendimiento, para fundamentar el rediseño y desarrollo de mejores estrategias de descomposición de variables en el enfoque de Coevolución Cooperativa para solucionar problemas de optimización a gran escala con restricciones.

Characterization of variable decomposition methods for optimization problems with high dimensionality 

Abstract

Algorithms that solve optimization problems have shown poor performance as the number of decision variables in the problem increases, these problems are known in the specialized literature as Large-Scale Optimization Problems, and several strategies have been proposed to deal with them. One of the most popular approaches to solving them is Cooperative Coevolution (CC), which is inspired by the divide and conquer strategy. CC works in three stages: first, the problem is broken down into smaller problems, that is, the decision variables of the problem are separated into groups, then each of the subproblems is optimized using some optimization algorithm, and finally the solutions of each subproblem given by the previous step, cooperate to create a complete solution of the original problem.

In this work, we study the first stage of CC, the decomposition of variables in large-scale constrained optimization problems. Therefore, a new method is proposed to decompose variables, which is a grouping genetic algorithm. Grouping genetic algorithms have proven to be competent when solving problems where the grouping of elements is involved, and they are used to solve a wide variety of combinatorial optimization problems. In addition, the characterization of the performance of the method proposed in this work is also presented according to its performance to support the redesign and development of better variable decomposition strategies in the Cooperative Coevolution approach for large-scale constrained optimization problems.

 


Aprendizaje en el Modelado y Simulación Basado en Agentes
Alejandro Platas López
Director: Dr. Alejandro Guerra Hernández

Resumen

La implementación del Modelado y Simulación Basado en Agentes (ABMS por sus siglas en inglés) ha demostrado ser de utilidad para el modelado y simulación de sistemas complejos en una gran variedad de dominios. Esta tesis pretende estudiar el uso de aprendizaje automático en la aproximación ABMS bajo las modalidades de aprendizaje offline y online, con el propósito de mejorar los procesos de calibración, exploración y validación. La primera modalidad, suele usarse previo a la simulación para instanciar parámetros de la simulación o para instanciar entidades del modelo, o también puede emplearse posteriormente para validar y calibrar los resultados de la simulación. Mientras que la segunda modalidad considera que al menos uno de los agentes del sistema pueden aprender durante la simulación para optimizar alguna medida que guía su comportamiento. Finalmente también se pretende incorporar formalmente los elementos necesarios para incluir el aprendizaje automático en el flujo de trabajo ABMS.

Learning in Agent-Based Modeling and Simulation

Abstract

The implementation of Agent-Based Modeling and Simulation (ABMS) has proven to be useful for the modeling and simulation of complex systems in a wide variety of domains. This thesis aims to study the use of machine learning in the ABMS approach under offline and online learning modalities, with the purpose of improving the calibration, exploration and validation processes. The first modality is usually used prior to the simulation to instantiate simulation parameters or to instantiate model entities, or it can also be used later to validate and calibrate simulation results. While the second modality considers that at least one of the system agents can learn during the simulation to optimize some measure that guides its behavior. Finally, it is also intended to formally incorporate the necessary elements to include machine learning in the ABMS workflow.

 


Juego Serio para Rehabilitación de Tobillo Usando Fusión de Sensores
Mizantha Concepsión Mota Martínez

Resumen

Las fracturas de tobillo son las lesiones óseas más comunes que tratan los traumatólogos en la urgencia. Éstas representan 9.0% de todas las fracturas en el cuerpo humano, dichas lesiones deben ser tratadas dentro de la rehabilitación para la recuperación total. Por lo anterior, esta investigación tiene como objetivo realizar una interfaz humano-computadora haciendo uso de juegos serios en combinación con fusión de sensores para la rehabilitación de tobillo.

Serious Game for Ankle Rehabilitation Using Sensor Fusion

Abstract

The ankle fractures are the most common bone injuries treated by trauma surgeons in the emergency room. These represent 9.0% of all fractures in the human body, such injuries must be treated within rehabilitation for full recovery. For the above, this research aims to perform a human-computer interface using serious games in combination with sensor fusion for ankle rehabilitation.

 


Aprendizaje causal a través de la implementación de modelos propuestos desde la Psicología Cognitiva
Jenny Betsabé Vázquez Aguirre
Director: Dr. Nicandro Cruz Ramírez

Resumen

El estudio de la causalidad tiene sus orígenes hace más de 300 años; varias disciplinas han enfocado esfuerzos en explicar el proceso causal natural, algunas de ellas son la Psicología Cognitiva (PC) y la Inteligencia Artificial (IA). Realizar una inferencia causal puede ser una tarea sencilla para los humanos, sin embargo, las entidades artificiales que conocemos hasta ahora no están dotadas de esta habilidad. Desde la PC hay propuestas que pretenden describir cómo se aprenden de forma natural las relaciones causa-efecto, y desde la IA existen múltiples algoritmos enfocados en estimar o predecir la causalidad; una de estos, es mediante la intervención de variables en Redes Bayesianas (RB); este proceso ha sido ampliamente utilizado, sin embargo, requiere de un conocimiento previo que indique la dirección causa-efecto dentro de las conexiones en una red. Nuestra propuesta consiste en una implementación conjunta para crear Redes Bayesianas Causales (RBC) a partir de la fusión de dos métodos propuestos desde la PC (el modelo Rescorla-Wagner y la teoría Power-PC) y un método clásico para la construcción de Redes Bayesianas, propuesto desde la AI. El objetivo principal, es un algoritmo integrado para la construcción de modelos gráficos (RBC), de manera que, a partir del conjunto de datos se puedan aprender las relaciones causales, dando dirección a los arcos dentro de la red e indicando quién es la causa y quién el efecto. Para con las redes resultantes, hacer intervención de variables y obtener los efectos causales correspondientes.

Causal learning through the implementation of models proposed from Cognitive Psychology

Abstract

The study of causality has its origins more than 300 years ago; several disciplines have focused efforts on explaining the natural causal process, some of them are Cognitive Psychology (CP) and Artificial Intelligence (AI). Performing causal inference may be a simple task for humans, however, the artificial entities we know so far are not endowed with this ability. From CP there are proposals that aim to describe how cause-effect relationships are learned naturally, and from AI there are multiple algorithms focused on estimating or predicting causality; one of these is through the intervention of variables in Bayesian Networks (BN); this process has been widely used, however, it requires prior knowledge that indicates the cause-effect direction within the connections in a network. Our proposal consists of a joint implementation to create Causal Bayesian Networks (CBN) from the fusion of two methods proposed from CP (the Rescorla-Wagner model and the Power-CP theory) and a classical method for the construction of Bayesian Networks, proposed from AI. The main objective is an integrated algorithm for the construction of graphical models (CBN), so that, from the data set, causal relationships can be learned, giving direction to the arcs within the network and indicating who is the cause and who is the effect. The resulting networks can then be used to intervene with variables and obtain the corresponding causal effects.

 


Un Algoritmo Evolutivo Basado en Indicadores para Optimización Multiobjetivo con Restricciones
Sebastián José de la Cruz Martínez

Resumen

El trabajo doctoral consiste en diseñar un algoritmo evolutivo multiobjetivo basado en indicadores para resolver problemas en presencia de restricciones, utilizando conjuntos de funciones de prueba recientes, contribuyendo en el avance de algoritmos evolutivos multiobjetivo basados en indicadores. Para llevar a cabo este objetivo, se estudiarán operadores de variación, indicadores de desempeño y técnicas de manejo de restricciones, con el fin de seleccionar los más adecuados para el algoritmo.

An Indicator-Based Evolutionary Algorithm for Multi-Objective Optimization with Constraints

Abstract

The doctoral work consists of designing a multi-objective evolutionary algorithm based on indicators to solve problems in the presence of constraints, using sets of recent test functions, contributing to the advancement of multi-objective evolutionary algorithms based on indicators. To carry out this objective, variation operators, performance indicators and constraint management techniques will be studied in order to select the most suitable ones for the algorithm.

 


Aprendizaje y Reconocimiento de Posturas de Balonmano como Movimiento de Tiros a Portería con Múltiples Sensores para Evaluar el Desempeño Deportivo
Guillermo Francisco García Acosta

Resumen

En el área de las ciencias del deporte en los últimos años está tomando más relevancia el uso de métodos y modelos del área de la inteligencia artificial. Una de las sub-áreas de la inteligencia artificial es el área de la visión por computadora. En esta sub-área es común el uso de algoritmos para videocámaras, estéreo cámaras, sensores de profundidad y más … Hoy en día está siendo común el uso de estos algoritmos en los deportes para analizar movimientos de alta velocidad, calibración de cámaras, seguimiento de los jugadores, todo abordado principalmente en la parte del periodismo deportivo. En esta investigación nuestra propuesta es unir varias áreas como las ciencias computacionales, la inteligencia artificial y la sub-área de visión por computadora con las ciencias del deporte y el análisis biomecánico, para evaluar el movimiento de los deportistas en un momento específico de su desempeño, en este caso un jugador de balonmano, en el momento en que el atleta realiza un tiro al arco. Desarrollar un modelo integral que pueda aprender, detectar, segmentar, clasificar y evaluar el rendimiento del deportista con el uso de múltiples sensores de forma no invasiva como estéreo cámaras, sensores de profundidad y sensores de nube de puntos 3d, para evaluar el movimiento, dar un resultado estadístico del rendimiento y representarlo visualmente para que pueda ser interpretado fácilmente por el entrenador y el atleta.

Learning and recognition of handball postures like goal shots motion with multiple sensors to evaluate the sport performance.

Abstract

In the area of sports science in recent years is taking more relevance the use of methods and models of the artificial intelligence area. One of the subareas of artificial intelligence is the computer vision area. In this subarea the use of algorithms for video camaras, stereo cameras, depth sensors and more… are comun. Nowadays is comun the use of these algorithms in the sports to analyse high speed motions, camera calibration, track players, all approached in the part of the sports periodism mostly. In this research our proposal is join a lot of areas like computer science, artificial intelligence and the subarea computer vision with the sports science and biomechanical analysis, to evaluate the motion of the athlete in a specific moment of their performance, in this case a handball player in the moment that the athlete performance a goal shot motion. Develop an integral model that can learn, detect, segment, classifier and evaluate the performance of the athlete with the use of multiple sensors non-invasively like stereo cameras, depth sensors and 3d point cloud sensor to evaluate the motion and give a statistical result of the performance and represent it visually that can be easily interpreted by the coach and the athlete.

 


Análisis de la Dinámica de la Rodilla Mediante Técnicas de Percepción 3D.
Rosa María Rodríguez Méndez

Resumen

Una de las articulaciones más importantes en el cuerpo humano es la rodilla, pues su buen funcionamiento es esencial para realizar diversas actividades como caminar o correr, saltar, agacharse. Sin embargo, es una de las más expuestas a sufrir algún tipo de lesión debido a su estructura y posición en el cuerpo. En este trabajo doctoral se propone el análisis de la dinámica de la rodilla a través de técnicas de percepción 3D, para buscar un método de modelado seguro, no invasivo y sin exposición a la radiación.

Knee Dynamics Analysis Using 3D Perceptual Techniques

Abstract

One of the most important joints in the human body is the knee, since its proper functioning is essential to perform various activities such as walking or running, jumping, bending. However, it is one of the most exposed to suffer some kind of injury due to its structure and position in the body. In this doctoral work we propose the analysis of the dynamics of the knee through 3D perception techniques, in order to find a safe, non-invasive and radiation-free modeling method.

 


Extensión de Windowing como técnica de aprendizaje en dominios ruidosos y redundantes
David Martínez Galicia
Director: Dr. Alejandro Guerra Hernández

Resumen

Windowing es un método de sub-muestreo originalmente para lidiar con grandes conjuntos de datos durante la inducción de árboles de decisión. Trabajo reciente demostró que este método no solo puede ser generalizado a otros modelos de Machine Learning (ML), sino también exhibe un comportamiento inteligente en la selección de ejemplos consiguiendo modelos suficientemente precisos y menos complejos comparados con la inducción tradicional. Críticas a esta técnica argumentan que su uso en dominios ruidosos puede generar resultados poco eficaces. Este trabajo busca extender Windowing para que sea capaz de lidiar con ejemplos ruidosos y repetitivos con el fin de mejorar su desempeño y obtener mejores modelos.

Windowing extension as a learning technique in noisy and redundant domains

Abstract

Windowing is a sub-sampling method originally proposed to cope with large datasets when inducing decision trees. Recent work shows that this method can not only be generalized to other Machine Learning (ML) models, but also exhibits an intelligent behavior in the selection of examples, achieving models that are sufficiently accurate and less complex compared to traditional induction. Critics of this technique argue that its use in noisy domains can generate ineffective results. This work seeks to extend Windowing so that it can deal with noisy and repetitive examples to improve its performance and obtain better models.

 


AutoML Basado en Programación Genética para Clasificación de Imágenes
David Herrera Sánchez
Director: Dr. Héctor Gabriel Acosta Mesa

Resumen

Automated Machine Learning (AutoML) es un término que actualmente ha tomado relevancia, pues este enfoque permite crear y mejorar el desempeño de modelos de aprendizaje de máquina de manera autónoma en donde el usuario solo provee los datos y ya no es necesaria la interación por parte de un experto.

Este sistema automatizado determina cual configuración es la adecuada para realizar un
preprocesamiento de datos, regularizaciones, selección de modelo para realizar la clasificación, así como la selección de hiperparámetros. En este trabajo de investigación se realiza un diseño de AutoML basado en Programación Genética para realizar la clasificación de imágenes. La flexibilidad que ofrece este paradigma del cómputo evolutivo permite incluir métodos de procesamiento de imágenes para la extracción, selección y construcción de características con el objetivo de mejorar el desempeño de clasificación. Como resultado final de esta búsqueda se obtendrá el conjunto de métodos de procesamiento utilizados y el clasificador que mejor desempeño obtuvo de acuerdo con las imágenes utilizadas.

AutoML based on Genetic Programming for image classification

Abstract

Presently, the term Automated Machine Learning (AutoML) has become relevant. This approach allows creating and enhancing the performance of machine learning models automatically. Furthermore, expert interaction is unnecessary because users only provide the data images. The automated system determines which configuration is appropriate to make a data preprocessing, regulations, model selection to classification, and the hyperparameter selection. This research work makes an AutoML approach based on Genetic Programming to perform image classification. Genetic Programming, the paradigm of evolutionary computation, offers flexibility to include processing image methods to extract, construct, and select features to improve classification performance. The final result from this search will get the set of image processing methods used and the classifier with the most feasible performance reached according to the image dataset.

Enlaces de pie de página

Ubicación

Universidad Veracruzana Campus Arco Sur, Edificio "A", Calle Paseo No. 112, Colonia Nuevo Xalapa, Xalapa-Enríquez, Ver., México

Redes sociales

Transparencia

Código de ética

Última actualización

Fecha: 22 marzo, 2024 Responsable: Doctorado en Inteligencia Artificial - Universidad Veracruzana Contacto: dia@uv.mx