2021

  • 24
    Jul 22
  • -

Detección de objetos perdidos en sistemas RFID aumentados

2021

Descargar versión completa (PDF)

Profesores: Dr. Leonardo Daniel Sánchez Martínez (UAM-A) y Dr. Ví­ctor Manuel Ramos Ramos

Resumen: En este trabajo, se investigarán las características relevantes de los sistemas RFID aumentados para el diseño de protocolos de comunicación en la detección de objetos.

Objetivo general:

Diseñar al menos un protocolo de detección de objetos para los sistemas RFID aumentados.

Objetivos específicos:

  • Identificar las diferencias entre los sistemas RFID tradicionales y aumentados
  • Estudiar los protocolos de detección de objetos para sistemas RFID
  • Diseñar un protocolo de detección de objetos para un sistema RFID aumentado
  • Evaluar el protocolo de detección de objetos y compararlo con los existentes
  • 24
    Jul 22
  • -

Diseño de funciones de estimación para sistemas RFID aumentados

2021

Descargar versión completa (PDF)

Profesores: Dr. Leonardo Daniel Sánchez Martínez (UAM-A) y Dr. Ví­ctor Manuel Ramos Ramos

Resumen: En esta propuesta, se investigarán las características relevantes de los sistemas RFID aumentados para el diseño de funciones de estimación eficientes, que aprovechen las ventajas ofrecidas por este tipo de sistemas.

Objetivo general:

Diseñar al menos una función de estimación para sistemas RFID aumentados para mejorar los procesos que dependen total o parcialmente de ellas.

Objetivos específicos:

  • Identificar las diferencias entre los sistemas RFID tradicionales y aumentados
  • Analizar y comparar las funciones de estimación existentes
  • Diseñar una función de estimación para un sistema RFID aumentado
  • Evaluar la función de estimación diseñada y compararla con las existentes
  • 24
    Jul 22
  • -

Análisis y síntesis de tablas de enrutamiento para el Internet del IPv6

2021

Descargar versión completa (PDF)

Profesores: Dr. César Jalpa Villanueva y Dr. Miguel Ángel Ruiz Sánchez

Resumen: El contar con tablas de enrutamiento sintéticas que posean características de tamaño y distribución de prefijos similares a las esperadas para cuando los enrutadores IPv6 se encuentren en pleno funcionamiento, permitirá evaluar con mayor certidumbre el desempeño de los algoritmos LMP diseñados para las tablas de enrutamiento IPv6.

Objetivo general:

Desarrollar una metodología y programas para sintetizar tablas de enrutamiento IPv6 de gran tamaño que puedanutilizarse para la evaluación del desempeño de los algoritmos de búsqueda LMP en tablas IPv6.

Objetivos específicos:

  • Desarrollar herramientas de programación para analizar la estructura y evolución de las tablas deenrutamiento de enrutadores del núcleo de la Internet tanto de IPv4 como de IPv6
  • Analizar el efecto de las políticas de asignación de direcciones y el progreso de la adopción de IPv6 en la evolución de las tablas de enrutamiento correspondientes. Establecer un modelo y los criterios que permitan realizar predicciones realistas de la forma en que evolucionarán las tablas de enrutamiento
  • 24
    Jul 22
  • -

Generación automatizada de música

2021

Descargar versión completa (PDF)

Profesores: Dr. Pedro Lara Velázquez y Dr. Eric Alfredo Rincón Garcí­a

Resumen: Una de las líneas de investigación, que está recibiendo una creciente atención es la generación de contenido, como la música. El desarrollo de algoritmos capaces de generar música de forma automatizada, se está viendo influenciado por los avances en la inteligencia artificial, en particular por redes neuronales. En este proyecto, se busca generar algoritmos basados en arquitecturas de aprendizaje profundo, que sean capaces de generar melodías.

Objetivo general:

Desarrollar dos algoritmos basados en redes neuronales que sean capaces de generar melodías.

Objetivos específicos:

  • Estudiar diferentes tipos de redes neuronales como recurrentes, autoencoders y generativas adversarias
  • Revisar el estado del arte para seleccionar dos tipos de redes neuronales diferentes adecuadas al problema
  • Generar dos algoritmosde generación de música basados en las redes neuronales seleccionadas
  • Realizar el entrenamiento de los algoritmos y probar su desempeño mediante la generación de melodías
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)
  • 24
    Jul 22
  • -

Detección de deepfake

2021

Descargar versión completa (PDF)

Profesores: Dr. Sergio Gerardo de los Cobos Silva y Dr. Eric Alfredo Rincón Garcí­a

Resumen: Deepfake es una técnica de aprendizaje no supervisado, que emplea redes neuronales para alterar una imagen o video, produciendo un resultado falso pero realista. Lamentablemente, desde sus orígenes, el uso de esta técnica ha estado estrechamente relacionado con actividades poco éticas. En este proyecto se propone desarrollar un algoritmo basado en redes neuronales, para la detección de deepkafe.

Objetivo general:

Desarrollar un algoritmo basado en redes neuronales para la detección de deepfake.

Objetivos específicos:

  • Estudiar los principios más importantes sobre redes neuronales
  • Revisar el estado del arte, para seleccionar un modelo adecuado para la detección de deepfake
  • Generar un algoritmo basado en el modelo seleccionado
  • Realizar el entrenamiento del algoritmo y probar su desempeño en diferentes instancias
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)
  • 24
    Jul 22
  • -

Clasificación de textos en redes sociales de acuerdo a su intención

2021

Descargar versión completa (PDF)

Profesores: Dr. Roman Anselmo Mora Gutiérrez (UAM-A) y Dr. Eric Alfredo Rincón Garcí­a

Resumen: Actualmente la comunicación por medio de redes sociales produce grandes cantidades de información que difícilmente puede ser empleada sin el software adecuado. En este proyecto, se desarrollará un algoritmo que permita clasificar textos de acuerdo a su intención sobre algún tema de interés en español.

Objetivo general:

Desarrollar un algoritmo para la clasificación de textos de acuerdo a su intención.

Objetivos específicos:

  • Entender el funcionamiento de las redes neuronales de tipo LSTM
  • Entender el funcionamiento de los Transformers
  • Generar un algoritmo basado en un modelo pre-entrenado para reconocimiento de intención en textos
  • Realizar el entrenamiento del algoritmo y probar su desempeño en textos extraídos de una red social
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)
  • 24
    Jul 22
  • -

Generación de videos deepfake

2021

Descargar versión completa (PDF)

Profesores: Dr. Pedro Lara Velázquez y Dr. Eric Alfredo Rincón Garcí­a

Resumen: Deepfake es una técnica de aprendizaje no supervisado, para alterar videos, produciendo un resultado falso pero realista. Programar un algoritmo capaz de producir videos deepfake, requiere de sólidos conocimientos en programación, y en aprendizaje profundo como redes neuronales convolucionales y autoencoders. Por lo tanto, es una tarea que pone a prueba los conocimientos de cualquier persona interesada en aprendizaje automatizado. En este proyecto se desarrollarán algoritmos basados en redes neuronales para la generación de videos deepkafe.

Objetivo general:

Desarrollar al menos dos algoritmos basados en redes neuronales para la generación de videos deepfake.

Objetivos específicos:

  • Estudiar los principios más importantes sobre redes neuronales
  • Generar un algoritmo para la producción de videos deepfake basado en autoencoders
  • Revisar el estado del arte, para seleccionar un modelo diferente al mencionado en el punto anterior, adecuado al problema
  • Generar un algoritmo basado en el modelo seleccionado
  • Realizar el entrenamiento de los algoritmos y probar su desempeño en diferentes instancias
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)
  • 24
    Jul 22
  • -

Generación automatizada de textos

2021

Descargar versión completa (PDF)

Profesores: Dr. Sergio Gerardo de los Cobos Silva y Dr. Roman Anselmo Mora Gutiérrez (UAM-A)

Resumen: La generación automatizada de texto, busca la creación de herramientas capaces producir frases coherentes y con sentido. Tiene aplicaciones tales como la traducción automática, sistemas de diálogo, interacción con BOT, etc. Es un área de investigación que se ha explorado desde hace varios años, y que últimamente se ha convertido en noticia gracias a GPT-3, un programa desarrollado por Google. En este proyecto se propone el uso de diferentes tipos de redes neuronales para evaluar y comparar su desempeño.

Objetivo general:

Desarrollar al menos dos algoritmos basados en redes neuronales para la generación automatizada de texto.

Objetivos específicos:

  • Estudiar los principios más importantes sobre redes neuronales
  • Generar un algoritmo de generación de texto basado en redes tipo LSTM
  • Revisar el estado del arte para seleccionar un modelo diferente al LSTM adecuado al problema
  • Generar un algoritmo basado en el modelo seleccionado
  • Realizar el entrenamiento de los algoritmos y probar su desempeño en instancias de prueba
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)
  • 24
    Jul 22
  • -

Sistema de detección de paráfrasis sobre un corpus de contexto científico, utilizando algoritmos de Minería Datos y Semántica Distributiva

2021

Descargar versión completa (PDF)

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

Resumen: Este proyecto tiene por objetivo desarrollar un Sistema de detección de paráfrasis fusionando algoritmos de Minería de Datos y Semántica Distributiva (MiDSemita). El cual permitirá explorar la base de datos que se encuentra en la plataforma TESIUAMI, en busca de paráfrasis de las tesis de ambiente científico ya que en la actualidad este es un problema que debe ser erradicado de las instituciones de educación superior por medio de políticas preventivas y de conciencia para el alumnado.

Objetivo general:

Desarrollar un Sistema de detección de paráfrasis fusionando algoritmos de Minería de Datos y Semántica Distributiva (MiDSemita).

Objetivos específicos:

  • Revisión del estado del arte sobre los principales clasificadores para Minería de Datos y Semántica Distributiva aplicados en detección de paráfrasis
  • Definir el formato para representación de los datos documentales, una posibilidad es utilizar Word2vect, sin embargo, existen otros formatos cómo globe y fasttext
  • Generación de un corpus del repositorio que se tenga en TESIUAMI, enfocado al contexto científico
  • Manejo de grandes cantidades de datos mediante la generación del corpus que se obtenga de los repositorios de TESIUAMI de contexto científico
  • Implementar algoritmos de Semántica Distributiva y Minería de Datos para atacar el problema de detección de paráfrasis
  • Se realizarán evaluaciones de los algoritmos de desarrollados en el proyectopara desarrollar una métrica de similitud semántica enfocada y especializada para la paráfrasis y el plagio de textos en español de acuerdo con las categorías propuestas por Mota Montoya et al.
  • Desarrollar el primer prototipo del Sistema de detección de paráfrasis sobre un corpus de contexto científico, utilizando algoritmos de Minería Datos y Semántica Distributiva
  • 24
    Jul 22
  • -

Predicción de precios en la bolsa de valores con inteligencia artificial

2021

Descargar versión completa (PDF)

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

Resumen: El comportamiento de la bolsa de valores es un problema de mucho interés. Es importante evaluar el desempeño de redes neuronales y aprendizaje por refuerzo profundo, para hacer pronósticos de la bolsa de valores. En este proyecto, se busca generar algoritmos que sean capaces de predecir el precio de acciones.

Objetivo general:

Desarrollar dos algoritmos basados en redes neuronales para predecir el precio de acciones en la bolsa de valores.

Objetivos específicos:

  • Estudiar las redes neuronales y aprendizaje por refuerzo profundo
  • Revisar el estado del arte para seleccionar dos estrategias basadas en redes neuronales adecuadas al problema
  • Generar dos algoritmos basados en las estrategias seleccionadas para predecir el precio de accione
  • Realizar el entrenamiento de los algoritmos y probar su desempeño
  • Reportar los resultados obtenidos en la Idónea Comunicación de Resultados (ICR)

<<Regresar

CONTACTO

Coordinador: Dr. Luis Alberto Vásquez Toledo

Edificio: T

Cubículo: 309

Correo: pcyti@izt.uam.mx

Télefono: (55) 58044600 Ext. 1309

UBICACIÓN

Dirección: Avenida San Rafael Atlixco #186, Colonia Vicentina, C.P. 09340, Alcaldía Iztapalapa, CDMX.

FACEBOOK UAM-I