Generación 2020-2024
| Matrícula | Alumno | Dedicación al Programa | Procedencia | |
 |
S20000483 | García Acosta, Guillermo Francisco | Completa | Nacional |
 |
S20000481 | Martínez Galicia, David | Completa | Nacional |
 |
S20000482 | Rodríguez Méndez, Rosa María | Completa | Nacional |
Generación 2021-2025
| Matrícula | Alumno | Dedicación al Programa | Procedencia | |
 |
S21000445 | Herrera Sánchez, David | Completa | Nacional |
Generación 2022-2026
| Matrícula | Alumno | Dedicación al Programa | Procedencia | |
 |
S22000522 |
Amador Larrea, Stephanie | Completa | Nacional |
 |
S22000523 | Fuentes Tomás, José Antonio | Completa | Nacional |
 |
S22000521 | Hernández Hernández, José Clemente | Completa | Nacional |
Generación 2023-2027
| Matrícula | Alumno | Dedicación al Programa | Procedencia | |
 |
S23000652 |
Barradas Palmeros, Jesús Arnulfo | Completa | Nacional |
 |
S23000646 | Hermosilla Díaz, Jesús Eduardo | Completa | Nacional |
 |
S23000654 | Juárez Caballero, Emmanuel Isaac | Completa | Nacional |
 |
S23000650 | López Herrera, Carlos Alberto | Completa | Nacional |
 |
S23000645 | Morán Rivera, Israel Emmanuel | Completa | Nacional |
 |
S23000647 | Ramírez Rabelo, Ángel Martín | Completa | Nacional |
 |
S23000648 | Reyes Montiel, Jeeangh Jennessi | Completa | Nacional |
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
Dr. Antonio Marín Hernández
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.
Estudio de los parámetros que controlan el comportamiento de los algoritmos genéticos de agrupación
Stephanie Amador Larrea
Directora: Dra. Marcela Quiroz Castellanos
Resumen
El presente trabajo realiza un estudio de parámetros que controlan el comportamiento de los Algoritmos Genéticos de Agrupación (GGAs) para resolver una serie de problemas considerados NP-Duros, ya que ha sido demostrado en el estado del arte la gran dependencia que existe entre el desempeño de los GGAs y la configuración de sus parámetros ante instancias de prueba con diferentes características. El objetivo principal es obtener modelos de desempeño que expliquen el impacto de los parámetros de los algoritmos y diseñar GGAs adaptativos de alto desempeño, que incorporen conocimiento sobre la estructura y dificultad de instancias de los problemas y el comportamiento en ejecución de los algoritmos para el ajuste automático de sus parámetros.
Study of the parameters that control the performance of grouping genetic algorithms.
Abstract
The present work studies the parameters that control the performance of Grouping Genetic Algorithms (GGAs) to solve a series of problems considered NP-hard since it has been demonstrated in the state of the art the strong dependence that exists between the performance of GGAs and the configuration of their parameters in presence of test instances with different characteristics. The main objective is to obtain performance models that explain the impact of algorithm parameters and to design high-performance adaptive GGAs that incorporate knowledge about the structure and difficulty of problem instances and the execution performance of the algorithms for the automatic adaptation of their parameters.
Búsqueda de Arquitecturas de Redes Neuronales basada en Programación Genética para la Segmentación de Imágenes Médicas
José Antonio Fuentes Tomás
Director: Dr. Efrén Mezura Montes
Resumen
En esta investigación proponemos un algoritmo de programación genética multiobjetivo
para optimizar la arquitectura de una red neuronal artificial para segmentación de imágenes.
La propuesta tiene como objetivo generar modelos compactos y competitivos al procesar diferentes
conjuntos de imágenes de la literatura especializada.
Neural Architecture Search based on Genetic Programming for Medical Image Segmentation
Abstract
In this research, we propose a multi-objective genetic programming algorithm
to optimize the architecture of an artificial neural network for image segmentation.
The proposal aims to generate reduced but competitive models when processing different
image sets of the specialized literature.
Representaciones distribuidas evolutivas para el análisis de sentimientos
José Clemente Hernández Hernández
Director: Dr. Guillermo de Jesús Hoyos Rivera
Resumen
El presente trabajo de investigación busca demostrar que las representaciones de palabras, optimizadas mediante algoritmos evolutivos, mejoran el Aprendizaje Máquina (AM) tradicional y las Redes Neuronales Convolucionales (RNC) respecto a resultados previos en la clasificación de texto, contribuyendo, de esta manera, a la mejora en el procesamiento automático del lenguaje natural escrito.
Evolutionary Distributed Representations for Sentiment Analysis
Abstract
This research work looks to demonstrate that word representations optimized by evolutionary algorithms improve the traditional Machine Learning (ML) and the Convolutional Neural Networks (CNN) with respect to previously obtained text classification results, contributing in this way to the improvement in the automatic processing of written natural language.
Neuroevolución multiobjetivo para el diseño de redes neuronales convolucionales considerando mecanismos de explicabilidad
Jesús Arnulfo Barradas Palmeros
Director: Dr. Efrén Mezura Montes
Resumen
Las Redes Neuronales Convolucionales (RNC) se han posicionado como una de las técnicas dominantes en la Inteligencia Artificial (IA) para el procesamiento de imágenes. En este trabajo de investigación se propone un método de neuroevolución multiobjetivo para el diseño automático de RNC en el problema de clasificación de imágenes. El principal objetivo de esta propuesta es lidiar con dos de los problemas comunes de las RNC: el diseño de su estructura y su opacidad como modelo de caja negra.
Multi-objective Neuroevolution for the design of Convolutional Neural Networks considering explainability mechanisms
Abstract
Convolutional Neural Networks (CNN) have become one of the dominant techniques in Artificial Intelligence for image processing. This research project proposes a multi-objective neuroevolution method to design CNN for image classification problems automatically. The main objective of this work is to deal with two of the most common issues of CNN: the architecture design and the opacity as a black box model.
La Interacción Humano-Robot en el desarrollo de robots socialmente inteligentes
Jesús Eduardo Hermosilla Díaz
Director: Dr. Antonio Marín Hernández
Resumen
La interacción humano-robot (HRI) implica dotar a los robots con la habilidad de comprender y responder adecuadamente al comportamiento humano. Además, involucra el diseño de directrices éticas y políticas que faciliten la evaluación de la seguridad, privacidad y aceptación de los robots de servicio en la sociedad. En este estudio, se examina cómo el concepto de espacio personal influye en el desempeño de un robot de servicio al interactuar con personas. Para lograr esto, se combina la inteligencia artificial con las teorías de comportamiento predominantes en robótica social, con el objetivo de diseñar un mecanismo que permita la ejecución de tareas de servicio específicas, ajustándose a los cambios en el espacio personal de los individuos que rodean al robot.
Human-Robot Interaction in the development of socially intelligent robots
Abstract
Human-robot interaction (HRI) involves equipping robots with the ability to comprehend and respond suitably to human behavior. Furthermore, it involves the formulation of ethical guidelines and policies that facilitate the evaluation of the safety, privacy, and acceptance of service robots in society. This study delves into the impact of the personal space concept on the performance of a service robot during interactions with individuals. To achieve this objective, artificial intelligence is combined with prevailing behavioral theories in the field of social robotics, with the goal to design a mechanism that enables the execution of specific service tasks, while adapting to variations in the personal space of the individuals surrounding the robot.
Neuroevolución de QNN y QCNN para la clasificación de imágenes en diversos dominios de conocimiento
Emmanuel Isaac Juárez Caballero
Director: Dr. Horacio Tapia McClung
Co-director: Dr Efrén Mezura Montes
Resumen
En este trabajo se propone la implementación de algoritmos de neuro-evolución en QNN y QCNN para llevar a cabo la clasificación de imágenes en distintos dominios de conocimiento, entre los que destaca la clasificación de imágenes provenientes de rayos X para el reconocimiento de enfermedad derivada de COVID-19. Además se propone la comparación completa con algoritmos de clasificación comunes en el estado del arte.
Neuroevolution of QNN and QCNNN for image classification in diverse knowledge domains
Abstract
In this work, the implementation of neuro-evolution algorithms in QNN and QCNN is proposed to carry out image classification in different domains of knowledge, among which the classification of images from X-rays for recognizing COVID-19-derived disease stands out. In addition, a complete comparison with standard classification algorithms in the state of the art is proposed.
Neuroevolución de Redes Neuronales Pulsantes
Carlos Alberto López Herrera
Director: Dr. Héctor Gabriel Acosta Mesa
Resumen
Las redes neuronales pulsantes son consideradas la tercera generación de redes neuronales artificiales. Con ellas, se logra tener una aproximación más realista del funcionamiento del cerebro humano gracias al uso de modelos biológicos neuronales. Sin embargo, la complejidad del entrenamiento y tratamiento de estas redes aumenta en comparación.
En este trabajo de investigación, se busca trabajar y proponer un algoritmo de neuroevolución de redes neuronales pulsantes que permita generar redes robustas y compactas, aprovechando los diferentes parámetros neuronales de los modelos pulsantes utilizados.
Neuroevolution of Spiking Neuron Networks
Abstract
Spiking neural networks are considered the third generation of artificial neural networks. With them, it is possible to have a more realistic approximation of the functioning of the human brain thanks to the use of neural biological models. However, the complexity of training and processing of these networks increases in comparison.
In this research work, we seek to work and propose a neuroevolution algorithm for spiking neural networks that allows the creation of robust and compact networks, taking advantage of the different neural parameters of the spiking models used.
Simulación de Mercado Financiero con Agentes Inteligentes: Análisis Estadístico de Precios y Distribución de Riqueza
Israel Emmanuel Morán Rivera
Director: Dr. Alejandro Raúl Hernández Montoya
Resumen
Los mercados financieros desempeñan un papel esencial en la economía global, siendo el escenario donde múltiples agentes interactúan y determinan la asignación de recursos y la formación de precios. Paralelamente, la distribución de la riqueza en la sociedad sigue siendo un tema de debate y análisis profundo debido a su impacto en la estabilidad económica y la equidad social. En este contexto, la Modelización Basada en Agentes (MBA) emerge como un enfoque innovador que permite simular y analizar sistemas económicos complejos.
Este trabajo examina la aplicación de los MBA para comprender los mercados financieros y la distribución de la riqueza. A pesar de los avances en la investigación financiera y económica, persisten desafíos en la representación de la dinámica de los mercados y la relación entre las acciones individuales y los resultados macroeconómicos. La MBA ofrece una herramienta para abordar estos desafíos al modelar la interacción de agentes autónomos con estrategias que van desde incorporar reglas de toma de decisiones predefinidas hasta aprendizaje automático.
Mediante la construcción de un modelo de MBA que combina agentes inteligentes y análisis estadístico, se investiga cómo las propiedades estadísticas universales de los precios emergen de las interacciones de los agentes. Además, se explora la evolución de la distribución de la riqueza en el mercado, utilizando técnicas inspiradas en modelos de comercio cinético para comprender mejor los factores que influyen en la desigualdad económica.
En síntesis, la combinación de la Modelización Basada en Agentes, estrategias de inversión inteligentes y análisis estadístico ofrece un enfoque holístico para abordar los desafíos actuales en la comprensión de los mercados financieros y la distribución de la riqueza. Este estudio contribuye a la creciente literatura sobre el tema y proporciona información valiosa para informar decisiones económicas y políticas en un mundo dinámico y complejo.
Financial Market Simulation with Intelligent Agents: Statistical Price Analysis and Wealth Distribution Study
Abstract
Financial markets play an essential role in the global economy, serving as the stage where multiple agents interact and determine resource allocation and price formation. Simultaneously, wealth distribution in society remains a subject of debate and in-depth analysis due to its impact on economic stability and social equity. In this context, Agent-Based Modeling (ABM) emerges as an innovative approach enabling the simulation and analysis of complex economic systems.
This study examines the application of ABM to comprehend financial markets and wealth distribution. Despite advances in financial and economic research, challenges persist in representing market dynamics and the relationship between individual actions and macroeconomic outcomes. ABM offers a tool to address these challenges by modeling the interaction of autonomous agents with strategies ranging from predefined decision rules to machine learning.
Through the construction of an ABM model that combines intelligent agents and statistical analysis, we investigate how universal statistical properties of prices emerge from agent interactions. Furthermore, we explore the evolution of wealth distribution in the market, utilizing techniques inspired by kinetic trading models to gain a better understanding of factors influencing economic inequality.
In summary, the fusion of Agent-Based Modeling, intelligent investment strategies, and statistical analysis offers a comprehensive approach to tackle current challenges in comprehending financial markets and wealth distribution. This study contributes to the growing literature on this subject, providing valuable insights to inform economic and policy decisions in a dynamic and complex world.
Un sistema basado en agentes para la exploración de hechos estilizados en sistemas financieros
Ángel Martín Ramírez Rabelo
Director: Dr. Alejandro Raúl Hernández Montoya
Resumen
Se generará un sistema basado en agentes que simule la actividad financiera en los mercados. Los
agentes tendrán propiedades que los caractericen en función de distintas estrategias de inversión de acuerdo, por ejemplo, a herramientas del análisis técnico y/o análisis fundamental en combinación con distintas técnicas de IA. Esto nos permitirá estudiar y analizar patrones y explorar nuevos hechos estilizados además de comparar estrategias de inversión en un ambiente controlado que será útil para la evaluación de distintos escenarios.
An Agent-Based System for Exploring Stylized Facts in Financial Systems
Abstract
An agent-based system will be developed to simulate financial activity in markets. These agents will possess characteristics that define them based on various investment strategies, such as technical and/or fundamental analysis tools, in combination with various AI techniques. This will enable us to study and analyze patterns, explore new stylized facts, and compare investment strategies in a controlled environment, which will be useful for evaluating different scenarios.
Implementación de un sistema de vertido de líquidos con diferentes botellas mediante el aprendizaje automático por un robot autónomo
Jeeangh Jennessi Reyes Montiel
Director: Dr. Antonio Marín Hernández
Resumen
Se propone un método de aprendizaje automático que utilice las características geométricas de un recipiente cilíndrico regular para controlar el vertido de líquidos. Este método es útil cuando la viscosidad y densidad del líquido pueden variar entre pruebas y se desconoce a priori. Para verter el líquido, el robot inclina el recipiente desde un ángulo inicial θi hasta un ángulo final θf . Durante este proceso, se mantiene un control preciso del ángulo de inclinación para asegurar un vertido consistente y preciso del líquido. Este método permite realizar el vertido de forma autónoma y adaptarse a diferentes condiciones de viscosidad y densidad del líquido.
Implementation of a liquid pouring system with different bottles using machine learning by an autonomous robot
Abstract
A machine learning method is proposed that uses the geometric characteristics of a regular cylindrical container to control liquid pouring. This method is useful when the viscosity and density of the liquid may vary between tests and is unknown a priori. To pour the liquid, the robot tilts the vessel from an initial angle θi to a final angle θf . During this process, precise control of the tilt angle is maintained to ensure consistent and accurate pouring of the liquid. This method allows the pouring to be performed autonomously and to adapt to different liquid viscosity and density conditions.
