Título ↨ |
Institución |
Año↨ |
Descripción↨ |
“Sistema de ensamblaje automático para crear flujos de chatbots bajo una metodología de desarrollo orientada a modelos” |
GUS SERVICIOS TECNOLÓGICOS S.A.P.I. DE C.V. |
2019 |
El “IPN” a través del “CIC-IPN” se comprometen de manera conjunta a llevar a cabo el proyecto denominado; “Sistema de ensamblaje automático para crear flujos de chatbots bajo una metodología de desarrollo orientada a modelos”, de conformidad con lo establecido en el presente instrumento y su Anexo Técnico, que debidamente firmado por “LAS PARTES”, forma parte integrante del presente Convenio. |
Técnicas de inteligencia artificial para la identificación de patrones musicales en instrumentos monofónicos de aliento. |
SIP-IPN |
2023 |
Clasificar patrones musicales a través del procesamiento de imágenes yseñales de audio utilizando técnicas de aprendizaje profundo.
Diseñar las secuencias musicales a clasificar.
Crear conjunto de datos visual.
Crear conjunto de datos acústico.
Preprocesar conjuntos de datos.
Seleccionar arquitecturas de aprendizaje profundo.
Evaluar las arquitecturas seleccionadas. |
TÉCNICAS DE APRENDIZAJE PROFUNDO PARA EL ANÁLISIS DE PATRONES VISUALES Y AUDITIVOS. |
SIP-IPN |
2024 |
|
SISTEMAS DE INTELIGENCIA ARTIFICIAL PARA EL BIENESTAR SOCIAL Y EL MARKETING RELACIONAL |
SIP-IPN |
2024 |
|
Sistemas de Inteligencia Artificial para el bienestar social y el marketing relacional |
SIP-IPN |
2023 |
Diseñar sistemas de inteligencia artificial para el bienestar social y parala generación de recomendaciones personalizadas de productos.1.3 Objetivos específicos1. Investigar el estado del arte2. Seleccionar al menos dos casos de estudio |
SISTEMA AUTOMATIZADO PARA DETECCIÓN DE CÁNCER EN NÓDULOS MAMARIOS MEDIANTE MASTOGRAFÍAS. |
SIP-IPN |
2024 |
|
Renovación del sistema de análisis de retinas humanas mediante técnicas deinteligencia artificial |
SIP-IPN |
2023 |
Renovar un sistema de análisis de retinas humanas ya desarrollado, medianteel uso de técnicas novedosas actuales basadas en redes neuronalesconvolucionales e inteligencia artificial.
1. Selección de la red neuronal de aprendizaje profundo más adecuada.
2. Selección de la base de datos etiquetados pública idónea.
3. Entrenar la red neuronal con imágenes sanas o con alguna(s) patologías.
4. Entrenar la red seleccionada con dichas imágenes acrecentadas en número.
5. Verificar y probar la red entrenada con nuevas imágenes.
6. Modificar la red hasta lograr certidumbre |
Optimización evolutiva multi-objetivo aplicada a un rotor de generador eólico vertical para propósitos de auto-abastecimiento en zonas urbanas y de difícil acceso de energía eléctrica |
ARSPS |
2019 |
|
Optimización evolutiva multi-objetivo aplicada a un rotor de generador eólico vertical para propósitos de auto-abastecimiento en
zonas urbanas y de difícil acceso de energía eléctrica
|
CONACYT |
2021 |
Optimización evolutiva multi-objetivo aplicada a un rotor de generador eólico vertical para propósitos de auto-abastecimiento en
zonas urbanas y de difícil acceso de energía eléctrica
|
Modelado y optimización subrogada basada en datos experimentales de generadores eólicos verticales |
SIP-IPN |
2020 |
Obtener un generador eólico vertical que tenga la mejor generación de energía dado un tamaño restringido, peso máximo y a las condiciones del viento de la CDMX. |
Modelado y optimización subrogada basada en datos experimentales de generadores eólicos verticales |
SIP-IPN |
2021 |
Obtener un generador eólico vertical que tenga la mejor generación de energía dado un tamaño restringido, peso máximo y a las condiciones del viento de la CDMX.
|
Modelado y optimización subrogada basada en datos experimentales de generadores eólicos verticales |
SIP-IPN |
2022 |
Obtener un generador eólico vertical que tenga la mejor generación de energía dado un tamaño restringido, peso máximo y a las condiciones del viento de la CDMX. |
Formalización computacional e interpretación de un lenguaje sobre objetos y procesos en ingeniería de sistemas basada en simulación |
SIP-IPN |
2020 |
Complementar y mejorar el lenguaje OPL para obtener una representación formalizada que permita en un futuro vincularlo con metodologías de simulación relacionadas con el desempeño de sistemas. |
Formalización computacional e interpretación de un lenguaje sobre objetos y procesos en ingeniería de sistemas basada en simulación
|
SIP-IPN |
2021 |
Complementar y mejorar el lenguaje OPL para obtener una representación formalizada que permita en un futuro vincularlo con metodologías de simulación relacionadas con el desempeño de sistemas.
|
Diseño óptimo de un aerogenerador vertical para ciudades inteligentes |
SIP-IPN |
2019 |
Diseñar, modelar, validar y optimizar un generador eólico vertical capaz de generar energía limpia que ayude a cubrir parcialmente el consumo de energía eléctrica de un hogar.
|
Detección temprana de trastornos psicológicos mediante el uso deinteligencia artificial en análisis de datos de redes sociales |
SIP-IPN |
2023 |
Utilizar técnicas de procesamiento del lenguaje natural (PLN) y lainteligencia artificial (IA) para detectar trastornos mentales tempranamentemediante el análisis de corpus relacionados con estos trastornos y el desarrollo de modelos de clasificación automática para detectarlos a partirde producciones lingüísticas.
* Identificar características lingüísticas asociadas con los trastornos dedespersonalización/desrealización (DP/DR), depresión y ansiedad mediante elanálisis de corpus relacionados con estos trastornos.
* Desarrollar modelos de clasificación automática para detectar estostrastornos a partir de producciones lingüísticas.
* Evaluar la eficacia de estos modelos en comparación con las metodología |
DETECCIÓN TEMPRANA DE TRASTORNOS PSICOLÓGICOS MEDIANTE EL USO DE INTELIGENCIA ARTIFICIAL EN ANÁLISIS DE DATOS DE REDES SOCIALES |
SIP-IPN |
2024 |
|
Descripción de imágenes mediante redes neuronales profundas
|
SIP-IPN |
2022 |
Describir el contenido de imágenes digitales haciendo uso de las posibilidades de las redes neuronales profundas para procesar imágenes y textos. |
Desambiguación universal de sentidos de palabras usando redes neuronales profundas |
SIP-IPN |
2019 |
Realizar aprendizaje del sentido de las palabras utilizando una representación no atómica de conceptos (es decir, que las palabras no se utilicen como símbolos que no se pueden descomponer) en un contexto específico, para después ser capaces de aplicar lo aprendido (compatibilidad de las representaciones de sentidos y contextos a nivel sub-simbólico) en conjuntos de palabras no vistas previamente |
Aplicación de modelos matemáticos e inteligencia artificial |
SIP-IPN |
2020 |
Resolver problemas de ciencia e ingeniería con modelos matemáticos e inteligencia artificial
|
Aplicación de la segmentación semántica en la inteligencia artificial |
SIP-IPN |
2020 |
Lograr resultados relevantes en el análisis de retinas humanas, en la detección de la profundidad a partir de una sola imagen, la detección de cáncer de mama y sistemas de videovigilancia, mediante la utilización de la segmentación semántica (SS) y el aprendizaje profundo (DL).
|
Análisis de emociones, condiciones mentales, lenguaje persuasivo y lenguaje de odio en los textos en Internet y redes sociales |
SIP-IPN |
2021 |
Desarrollo de métodos, algoritmos y arquitecturas computacionales para el análisis de emociones en los textos en Internet y en redes sociales, con aplicaciones específicas a la detección de condiciones mentales del autor, detección del lenguaje de propaganda comercial, detección del lenguaje de odio y el análisis de la propagación de estereotipos sociales en las redes sociales e Internet. |