2022

  • -

Super-resolución en imágenes

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Miguel Ángel Gutiérrez Andrade y Dr. Eric Alfredo Rincón Garcí­a

Resumen: La super-resolución en imágenes busca aumentar la definición de las imágenes mediante el uso de técnicas de inteligencia artificial. En este proyecto se propone analizar las ventajas, alcances y debilidades de las redes neuronales para mejorar la calidad de imágenes.

Objetivo general:

Emplear redes neuronales para mejorar la resolución de imágenes

Objetivos específicos:

  • Estudiar los conceptos más importantes sobre redes neuronales básicas
  • Estudiar los conceptos más importantes sobre redes neuronales generativas adversarias, redes neuronales convolucionales y autoencoders
  • Revisar el estado del arte para seleccionar el tipo de redes neuronales adecuadas al problema
  • Generar al menos un algoritmo para mejorar la resolución de imágenes
  • Realizar el entrenamiento del algoritmo y probar su desempeño en las instancias disponibles
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)

  • -

Super-resolución en audios históricos y de espectro restringido

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Pedro Lara Velázquez y Dr. Román Anselmo Mora Gutiérrez

Resumen: La super-resolución de archivos de audio busca extender el ancho de banda y el contenido armónico contenido en la voz o la música mediante el uso de redes neuronales. En este proyecto se propone analizar las ventajas, alcances y debilidades de las redes neuronales para la restauración de audios.

Objetivo general:

Emplear redes neuronales para super-resolución en archivos de audio

Objetivos específicos:

  • Investigar los fundamentos de redes neuronales, especialmente redes neuronales generativas adversarias y redes neuronales convolucionales
  • Realizar el estado del arte para identificar el tipo de redes neuronales más adecuadas al problema
  • Generar un algoritmo de super-resolución para audio basados en las redes neuronales seleccionadas
  • Realizar el entrenamiento del algoritmo y probar su desempeño en las instancias disponibles
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)

  • -

Sistema de alerta sísmica en tiempo real por medio de técnicas de Minería de Datos (SASTREMORS)

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Benjamí­n Moreno Montiel y Dr. René MacKinney Romero

Resumen: En un proyecto previo, desarrollamos el Sistema de Alerta de Señales Sísmicas Digitales utilizando Minería de Datos (SASS-MIDAS), el cual propone el uso de un ensamble de tipo mezcla de expertos con ponderación genética para realizar la clasificación de sismos recabados en las últimas dos décadas. Los resultados obtenidos por el SASS-MIDAS son muy alentadores, sin embargo, todo se enfoca a un análisis de datos estáticos de las última décadas, por lo que se abre la pregunta ¿Qué pasaría si los datos son en tiempo real, el SASS-MIDAS funcionará correctamente?

Objetivo general:

Desarrollar un Sistema de alerta sísmica en tiempo real por medio de técnicas de Minería de Datos (SAS-TREMORS)

Objetivos específicos:

  • Revisión del estado del arte sobre los principales clasificadores del Aprendizaje Maquinal en donde se incluyan clasificadores por reforzamiento
  • Realizar el estado del arte sobre el uso de mesas sísmicas, en especial la mesa sísmica del II-UNAM
  • Revisión de la infraestructura actual de los sensores sísmicos con los que cuenta la II-UNAM
  • Conocer el sistema de adquisición de datos que maneja la mesa sísmica del II-UNAM
  • Implementar algoritmos de clasificación para el desarrollo del motor de funcionamiento del SAS-TREMORS
  • Desarrollar el primer prototipo del SAS-TREMORS
  • Vinculación del SAS-TREMORS con la infraestructura de la mesa sísmica del II-UNAM
  • Obtener las principales aportaciones de este proyecto con la versión final del SAS-TREMORS

  • -

Identificación de hotspots mediante el análisis de históricos de proyectos usando métodos de optimización o de machine learning

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Abel García Nájera y Dr. Humberto Cervantes Maceda

Resumen: En un proyecto anterior, estudiamos la manera de identificar hotspots mediante el uso de técnicas de aprendizaje automático para analizar distintas métricas, aunque no se utilizó información histórica, obteniendo resultados prometedores. En este proyecto, buscamos hacer una continuación de ese trabajo mediante el análisis de la evolución de las métricas de los proyectos a lo largo del tiempo, con el fin de poder identificar patrones que permitan identificar hotspots de forma temprana.

Objetivo general:

Aplicar métodos heurísticos de optimización o de machine learning para analizar código a lo largo del tiempo e identificar posibles hotspots

Objetivos específicos:

  • Identificar propuestas en la literatura enfocadas en análisis del código a lo largo del tiempo con el fin de identificar hotspots
  • Proponer un método heurístico de optimización o de machine learning que permita encontrar patrones de identificación de hotspots
  • Desarrollar un prototipo de herramienta que implemente dicha técnica
  • Evaluar la efectividad de la herramienta

  • -

Generación de estructuras moleculares mediante aprendizaje por refuerzo profundo

2022

Descargarpropuesta de investigación completa (PDF)

Profesores: Dr. Jorge Juarez Gómez y Dr. Eric Alfredo Rincón Garcí­a

Resumen: Aprendizaje por refuerzo profundo (ARL) es una herramienta de inteligencia artificial que combina técnicas de aprendizaje por refuerzo con redes neuronales, que busca entender las reglas que rigen el problema de interés mediante un proceso de prueba y error. Su uso para la generación de nuevas moléculas ha despertado un interés en diversas áreas relacionadas con Química.

Objetivo general:

Generar estructuras moleculares mediante un algoritmo basado en aprendizaje por refuerzo profundo

Objetivos específicos:

  • Estudiar los conceptos más importantes sobre aprendizaje por refuerzo y redes neuronales básicas
  • Estudiar los conceptos más importantes sobre redes neuronales generativas adversarias
  • Revisar el estado del arte para seleccionar el tipo de algoritmo más adecuado al problema
  • Seleccionar las características de las moléculas que se generarán
  • Realizar el entrenamiento del algoritmo
  • Validar teóricamente las estructuras moleculares generadas
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)


  • -

Estudio de la evolución de la cooperación en la dinámica estructural de redes complejas

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Ricardo Marcelí­n Jiménez y Dra. Daniela Aguirre Guerrero (UAM-L)

Resumen: En este proyecto queremos analizar un sistema con agentes cooperadores y no-cooperadores que, dependiendo de sus capacidades, elegirán prestar o no su servicio teniendo así un sistema en el que no siempre podrán establecerse nuevos enlaces. En este trabajo queremos estudiar el efecto de tres características importantes: la estructura del grafo inicial, el número de conexiones que soportan los nodos y la distancia más lejana a la que pueden conectarse.

Objetivo general:

Estudio de la evolución de la cooperación en la dinámica estructural de redes complejas

Objetivo específico:

  • Reconocer las principales medidas que caracterizan el estado de una red
  • Proponer al menos un mecanismo que pueda describir la formación de una red en el que se tengan agentes cooperadores y no cooperadores
  • Evaluar el estado de una red mientras es sometida a un proceso de reconexión

  • -

Desarrollo de estrategias para la protección de la privacidad en Internet

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Oscar Arana Hernández y Dr. Miguel López Guerrero

Resumen: A través del acceso y análisis de la serie de consultas generadas por un usuario durante una sesión de Internet, se podría deducir fácilmente una gran cantidad de información acerca de alguien en particular. Esta propuesta de proyecto de investigación se enfoca en el desarrollo de técnicas de protección a la privacidad en Internet ante ataques por el acceso a las trazas generadas por las consultas a servidores DNS.

Objetivo general: 

Generar una propuesta de protección a la privacidad en Internet ante ataques por análisis de las trazas de consultas DNS

Objetivos específicos:

  • Conocer los mecanismos de ataque a través del análisis de DNS
  • Conocer las estrategias típicas de protección ante ataques DNS
  • Proponer y evaluar la efectividad de una técnica de protección de privacidad
  • Dar a conocer los resultados de la investigación

  • -

Cooperación de redes para comunicaciones en casos de misión crítica mediante el uso de radios cognitivos

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Enrique Rodrí­guez de la Colina y Dra. Daniela Aguirre Guerrero (UAM-L)

Resumen: En la presente iniciativa se ha identificado como interés el realizar actividades de investigación y desarrollo tecnológico orientados a mejorar los mecanismos de comunicación inalámbrica durante la saturación de las redes, en particular durante e inmediatamente después de la ocurrencia de algún tipo de desastre donde parte de la infraestructura falla o colapsa. Es decir, cuando se requiere mantener las comunicaciones en aplicaciones de misión crítica, por ejemplo: en un sismo, inundación y falla masiva de infraestructura de red.

Objetivo general:

Diseñar y explorar técnicas de coordinación en redes en casos de misión crítica para sistemas de radio cognitivo considerando la toma de decisiones y la cooperación como funciones fundamentales del estudio

Objetivos específicos:

  • Estudiar la cooperación entre redes heterogéneas para expandir la cobertura, capacidad y disponibilidad de las comunicaciones durante eventos que requieren comunicaciones de misión crítica
  • Diseño del estudio de las funciones de toma de decisiones y cooperación para radios cognitivos en misión crítica

  • -

Asignación de recursos a múltiples equipos de desarrollo usando técnicas de optimización

2022

Descargar propuesta de investigación completa (PDF)

Profesores: Dr. Abel García Nájera y Dr. Humberto Cervantes Maceda

Resumen: Uno de los problemas complejos que enfrentan las organizaciones dedicadas al desarrollo de software es la asignación de recursos humanos a los proyectos. Este problema ha sido estudiado desde un punto de vista general, dando pie al problema de planificación de múltiples proyectos con recursos limitados (RCMPSP por sus siglas en inglés). Sin embargo, los proyectos de software tienen particularidades que no se pueden estudiar desde un punto de vista general, como el RCMPSP, además de que éste último no considera múltiples objetivos.

Objetivo general:

Definir e implementar en una herramienta un modelo de asignación de recursos y una técnica de optimización que permita asignar recursos a múltiples equipos de desarrollo

Objetivos específicos: 

  • Identificar propuestas en la literatura enfocadas en la resolución del problema de asignación de recursos a equipos múltiples mediante técnicas de optimización
  • Proponer un modelo que facilite la asignación de recursos a múltiples equipos considerando diversas restricciones y una técnica de optimización que permita encontrar propuestas de asignación de recursos
  • Desarrollar un prototipo de herramienta que implemente dicha técnica
  • Evaluar la efectividad de la herramienta

  • -

Análisis comparativo de algoritmos para la generación de deepfakes

2022

Descargar propuesta de investigación completa (PDF)

ProfesoresDr. Pedro Lara Velázquez y Dr. Sergio Gerardo de los Cobos Silva

Resumen: Deepfake es una técnica de aprendizaje no supervisado, que combina diferentes tipos de redes neuronales para alterar una imagen o video, produciendo un resultado falso pero realista. En este proyecto se analizarán y compararán al menos dos algoritmos basados en redes neuronales para la generación de videos deepkafe.

Objetivo general:

Determinar cuál es la mejor herramienta de acceso gratuito y código abierto para la realización de deepfakes

Objetivos específicos:

  • Estudiar los conceptos más importantes sobre redes neuronales básicas, especialmente redes neuronales generativas adversarias, redes neuronales convolucionales y autoencoders
  • Seleccionar el conjunto de herramientas, de código abierto, para la generación de deepfakes que serán empleadas en este proyecto
  • Modificar los códigos de las herramientas seleccionadas para estandarizar algunas de sus características, como el cálculo de la función de pérdida
  • Establecer un diseño de experimentos adecuado al proyecto, detallando las instancias a usar y los parámetros a medir
  • Análisis y comparación de los resultados obtenidos
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)