Pasar al contenido principal

Modelos de Aprendizaje Computacional

Sobre el Grupo

El grupo está interesado en el desarrollo y la aplicación de modelos de aprendizaje computacional innovadores para la solución de problemas computacionalmente complejos. Hemos aplicado nuestras técnicas en contextos como ciberseguridad, integridad personal, ciudades inteligentes, video-vigilancia, ciencia de datos, ciencia ciudadana, etc.

Líneas de investigación

  • Agrupamiento
  • Big Data
  • Modelos innovadores de clasificación, basados en instancias, patrones de contraste, árboles de decisión, y combinación.
  • Modelos de manejo de datos para un tratamiento en tiempo real en diferentes arquitecturas de hardware.
  • Algoritmos de reconocimiento de huesllas dáctilo - palmares
  • Modelos de visualización para apoyar la toma de decisiones y su combinación con técnicas de aprendizaje computacional.

Líder

Raúl Monroy Borja
 

Miembros

Leonardo Chang Fernández
Luciano García Bañuelos
Luis Angel Trejo Rodríguez
Miguel Angel Medina Perez
Miguel González Mendoza
Octavio Loyola González


Adscritos

Alberto Aguilar González
Andrés Eduardo Gutiérrez Rodríguez
Armando López Cuevas
Cesar Torres Huitzil
Gilberto Ochoa Ruiz
Joanna Alvarado Uribe
Jorge Rodríguez Ruiz
Mariano Vargas Santiago
Mariel Alfaro Ponce
Neil Hernández Gress
Víctor Adrián Sosa Hernández

Publicaciones

Top 5 de publicaciones 2015-2019

- A review of definitions and measures of system resilience
Autores: Hosseini, S., Barker, K., & Ramirez-Marquez, J.

- A Community Perspective on Resilience Analytics: A Visual Analysis of Community Mood
Autores: López-Cuevas, A., Ramírez-Márquez, J., Sanchez-Ante, G., & Barker, K.

- PBC4cip: A new contrast pattern-based classifier for class imbalance problems
Autores: Loyola-González, O., Medina-Pérez, M., Martínez-Trinidad, J., Carrasco-Ochoa, J., Monroy, R., & García-Borroto, M.

- Flow-based vulnerability measures for network component importance: Experimentation with preparedness planning
Autores: Nicholson, C., Barker, K., & Ramirez-Marquez, J.

- Quantifying the risk of project delays with a genetic algorithm
Autores: Pfeifer, J., Barker, K., Ramirez-Marquez, J., & Morshedlou, N.