Sorghum value chain analysis in semi-arid Zimbabwe

Abbyssinia Mushunje Munyaradzi Junia Mutenje Charles Pfukwa (2019, [Artículo])

Small Scale Farmers Extension Networks CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA AGRO-INDUSTRIAL SECTOR MARKETING MARGINS SORGHUM VALUE CHAINS

Análisis comparado del marco jurídico de la Inteligencia Artificial: Unión Europea, Estados Unidos y México

Ulises Ortega Carrasco (2023, [Otro, Trabajo de grado, maestría])

La inteligencia artificial (IA) se ha vuelto fundamental en diversas aplicaciones de la vida cotidiana, actualmente se utiliza en asistentes de voz, chatbots, diagnóstico médico, creación de contenido, conducción de vehículos, entre otras áreas. a pesar de sus ventajas la IA presenta retos legales y éticos. El objetivo de este artículo es realizar un análisis de las legislaciones en materia de IA entre la Unión Europea, Estados Unidos de Norteamérica y México. El método de

investigación utilizado fue cualitativo con el objetivo de generar una comprensión detallada de las motivaciones, contextos y particularidades detrás de cada normativa sobre IA del año 2015 al mes de agosto del 2023.

Inteligencia Artificial Regulación de datos personales INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LAS TELECOMUNICACIONES TECNOLOGÍA DE LAS TELECOMUNICACIONES

Grazing behavior of New Zeland holstein cows with access to shade

Rodolfo Ramírez-Valverde Juan Burgueño (2022, [Artículo])

Temperature and Humidity Index Artificial Shade CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA SHADING DAIRY COWS SOLAR RADIATION

Control de sistemas usando aprendizaje de máquina

Systems control using machine learning

Jesús Martín Miguel Martínez (2023, [Tesis de maestría])

El aprendizaje por refuerzo es un paradigma del aprendizaje de máquina con un amplio desarrollo y una creciente demanda en aplicaciones que involucran toma de decisiones y control. Es un paradigma que permite el diseño de controladores que no dependen directamente del modelo que describe la dinámica del sistema. Esto es importante ya que en aplicaciones reales es frecuente que no se disponga de dichos modelos de manera precisa. Esta tesis tiene como objetivo implementar un controlador óptimo en tiempo discreto libre de modelo. La metodología elegida se basa en algoritmos de aprendizaje por refuerzo, enfocados en sistemas con espacios de estado y acción continuos a través de modelos discretos. Se utiliza el concepto de función de valor (Q-función y función V ) y la ecuación de Bellman para resolver el problema del regulador cuadrático lineal para un sistema mecánico masa-resorte-amortiguador, en casos donde se tiene conocimiento parcial y desconocimiento total del modelo. Para ambos casos las funciones de valor son definidas explícitamente por la estructura de un aproximador paramétrico, donde el vector de pesos del aproximador es sintonizado a través de un proceso iterativo de estimación de parámetros. Cuando se tiene conocimiento parcial de la dinámica se usa el método de aprendizaje por diferencias temporales en un entrenamiento episódico, que utiliza el esquema de mínimos cuadrados con mínimos cuadrados recursivos en la sintonización del crítico y descenso del gradiente en la sintonización del actor, el mejor resultado para este esquema es usando el algoritmo de iteración de valor para la solución de la ecuación de Bellman, con un resultado significativo en términos de precisión en comparación a los valores óptimos (función DLQR). Cuando se tiene desconocimiento de la dinámica se usa el algoritmo Q-learning en entrenamiento continuo, con el esquema de mínimos cuadrados con mínimos cuadrados recursivos y el esquema de mínimos cuadrados con descenso del gradiente. Ambos esquemas usan el algoritmo de iteración de política para la solución de la ecuación de Bellman, y se obtienen resultados de aproximadamente 0.001 en la medición del error cuadrático medio. Se realiza una prueba de adaptabilidad considerando variaciones que puedan suceder en los parámetros de la planta, siendo el esquema de mínimos cuadrados con mínimos cuadrados recursivos el que tiene los mejores resultados, reduciendo significativamente ...

Reinforcement learning is a machine learning paradigm with extensive development and growing demand in decision-making and control applications. This technique allows the design of controllers that do not directly depend on the model describing the system dynamics. It is useful in real-world applications, where accurate models are often unavailable. The objective of this work is to implement a modelfree discrete-time optimal controller. Through discrete models, we implemented reinforcement learning algorithms focused on systems with continuous state and action spaces. The concepts of value-function, Q-function, V -function, and the Bellman equation are employed to solve the linear quadratic regulator problem for a mass-spring-damper system in a partially known and utterly unknown model. For both cases, the value functions are explicitly defined by a parametric approximator’s structure, where the weight vector is tuned through an iterative parameter estimation process. When partial knowledge of the dynamics is available, the temporal difference learning method is used under episodic training, utilizing the least squares with a recursive least squares scheme for tuning the critic and gradient descent for the actor´s tuning. The best result for this scheme is achieved using the value iteration algorithm for solving the Bellman equation, yielding significant improvements in approximating the optimal values (DLQR function). When the dynamics are entirely unknown, the Q-learning algorithm is employed in continuous training, employing the least squares with recursive least squares and the gradient descent schemes. Both schemes use the policy iteration algorithm to solve the Bellman equation, and the system’s response using the obtained values was compared to the one using the theoretical optimal values, yielding approximately zero mean squared error between them. An adaptability test is conducted considering variations that may occur in plant parameters, with the least squares with recursive least squares scheme yielding the best results, significantly reducing the number of iterations required for convergence to optimal values.

aprendizaje por refuerzo, control óptimo, control adaptativo, sistemas mecánicos, libre de modelo, dinámica totalmente desconocida, aproximación paramétrica, Q-learning, iteración de política reinforcement learning, optimal control, adaptive control, mechanical systems, modelfree, utterly unknown dynamics, parametric approximation, Q-learning, policy iteration INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL

Remoción de Cd y Zn de una corriente acuosa de una empresa minera usando humedales artificiales

Cadmium and zinc removal from a mining reprocessing aqueous stream using artificial wetlands

VIANEY RUIZ LÓPEZ MARIA DEL REFUGIO GONZALEZ SANDOVAL JOSE ANTONIO BARRERA GODINEZ GABRIELA ELEONORA MOELLER CHAVEZ MERCEDES ESPERANZA RAMIREZ CAMPEROS MARIA DEL CARMEN DURAN DOMINGUEZ (2010, [Artículo])

Los metales provenientes de diferentes procesos industriales presentes en efluentes pueden contaminar el medio ambiente causando daños como la muerte de flora y fauna, y/o enfermedades en los seres humanos. En la actualidad, varias investigaciones se han enfocado a encontrar un tratamiento eficiente para este tipo de contaminantes, sin embargo, sigue sin solucionarse el problema. Entre las opciones estudiadas se mencionan los humedales artificiales, los cuales se ha comprobado que son eficientes en la remoción de metales y otros contaminantes presentes en las aguas residuales de diversas industrias. Por ello, esta investigación se centró en probar la eficiencia de remoción de Cd y Zn contenidos en un agua residual de una industria minera, utilizando sistemas a escala de laboratorio que simulan un humedal artificial. Se utilizaron ocho reactores de PVC empacados con escoria volcánica (tezontle). Se adaptaron plantas acuáticas o hidrofitas (Typha latifolia) a las condiciones de laboratorio y se realizó el seguimiento analítico del proceso de remoción de metales, cuantificando las concentraciones de cadmio y zinc en los efluentes, así como también realizando la medición de pH y DQOsoluble. Los resultados obtenidos muestran valores de remoción del orden del 90% en los sistemas con plantas y del 40% en los sistemas sin plantas, para ambos metales.

Minería Contaminación del agua Humedales artificiales Remoción de contaminantes INGENIERÍA Y TECNOLOGÍA

Neural network assisted composition for piano in jazz

Ismael Medina Muñoz (2023, [Tesis de maestría])

Artificial Intelligence has taken an important role in activities that were once considered exclusively human. Generative AI is a vibrant area of research, with increasing interest in application fields related to the arts. The recent plethora of innovations in fields like visual arts and natural language processing, which are able to engage in dialogue with users, are just two examples of commercial applications that are driving innovation research for big tech giants. It would not be untrue to say that these innovations are shaping mankind’s development.

Music is an investigative field that presents a challenge. Musical theory itself is challenging for humans, and music is as diverse and rich as the cultures in which it has evolved. This research and proposal is intended as a novel approach to creating a generative artificial intelligence that assists in piano composition for jazz tunes. This genre was selected because of the challenge that its richness and complexity for musical execution and interpretation pose.

By using a Recurrent Neural Net to create new sequences of n-notes from an initial n-note set and using a probabilistic approach to set the duration of each note in the produced n-notes set, the generative artificial intelligence described in this document is the piano composer assistant for jazz tunes.

Inteligencia Artificial INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LAS TELECOMUNICACIONES DISPOSITIVOS DE GRABACIÓN DISPOSITIVOS DE GRABACIÓN

Contratos inteligentes para la gestión de datos de sensado móvil y vestible para aplicaciones en salud

Smart contracts for mobile and wearable sensing data management for health applications

José Ricardo Cedeño García (2023, [Tesis de maestría])

El aumento en la producción de datos derivado de la adopción de tecnologías móviles y de IoT está revolucionando la salud, pero también plantea importantes retos éticos y de privacidad. Los recientes avances en el aprendizaje automático han resaltado la importancia de recopilar y etiquetar datos correctamente, en especial para fines críticos, como el desarrollo de aplicaciones para cuidados médicos. La recopilación de datos médicos para tareas de aprendizaje automático presenta limitaciones en cuanto a la cantidad, variedad y calidad de las fuentes disponibles. Una forma de abordar este dilema es el uso de Blockchain para la recopilación y el uso de datos de pacientes. El anonimato de una red centralizada permite proteger la identidad del paciente. La estructura formada por nodos permite que la información esté siempre disponible y no dependa de un servidor principal. La inmutabilidad de los registros en la cadena garantiza la trazabilidad inequívoca del flujo de los datos del paciente. Por último, los mecanismos de consenso y recompensa de la red podrían motivar a nuevos usuarios a participar del sensado activo. Presentamos TRHEAD, una arquitectura de referencia basada en la Blockchain para recopilar datos sanitarios, firmar consentimientos, anotar datos y obtener crédito por los mismos, permitiendo a los usuarios rastrear el uso de sus datos, a los científicos rastrear su procedencia y proteger al mismo tiempo la privacidad de los pacientes. Exponemos dos implementaciones de nuestra arquitectura aplicadas a distintas campañas de sensado para comprobar su viabilidad, así como los resultados de su aplicación en estos escenarios y las conclusiones que desprendieron de su análisis. Dado que uno de los objetivos principales de TRHEAD es la recopilación de datos mediante sensado activo para el entrenamiento legal/consciente de modelos de aprendizaje automático, se realizó el entrenamiento de un modelo con los datos obtenidos de la campaña de sensado correspondiente a imágenes de rostros humanos, con el fin de detectar estados de ánimo. Finalmente se discute el papel de TRHEAD en el aseguramiento del trato justo y consciente de la información de los pacientes y el camino por recorrer en el perfeccionamiento de la arquitectura.

The increase in data production resulting from the adoption of mobile and IoT technologies is revolutionizing healthcare, but it also poses significant ethical and privacy challenges. Recent advances in machine learning have highlighted the importance of collecting and labeling data correctly, especially for critical purposes such as deploying healthcare software. Collecting medical data for machine learning tasks presents limitations in terms of the quantity, variety, and quality of available sources. One way to address this dilemma is the use of Blockchain for the collection and use of patient data. The anonymity of a centralized network allows the patient’s identity to be protected. The structure formed by nodes allows information to be always available and not dependent on a main server. The immutability of the records in the chain guarantees the unequivocal traceability of the flow of patient data. Finally, the network’s consensus and reward mechanisms could motivate new users to participate in active sensing. We present TRHEAD, a Blockchain-based reference architecture for collecting healthcare data, signing consents, annotating data and getting credit for it, allowing users to track the use of their data, scientists to track its provenance while protecting patients privacy. We present two implementations of our architecture applied to different sensing campaigns to test their feasibility, as well as the results of their application in these scenarios and the conclusions drawn from those results. Since one of the main objectives of TRHEAD is the collection of data through active sensing for the legal/conscious training of machine learning models, a model was trained with the data obtained from the sensing campaign corresponding to images of human faces, in order to detect moods. Finally, the role of TRHEAD in ensuring the fair and conscientious treatment of patient information and the road ahead in refining the architecture is discussed.

Contratos Inteligentes, Blockchain, Privacidad, Aprendizaje de Máquina Etico, Recopilación Consciente de Datos, Consentimiento, Arquitectura de Referencia Smart Contracts, Blockchain, Privacy, Ethical Machine Learning, Conscious Data Collection, Consent, Reference Architecture INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL

Los programas de medicina de precisión y los desafíos para la gestión de la salud pública

Guillermo Foladori Guillermo Foladori (2023, [Artículo, Artículo])

Varios países iniciaron programas para el desarrollo de medicina de precisión. Con miles o millones de datos de salud, priorizando los mapas genéticos, mediante inteligencia artificial se elaboran algoritmos que identifican subpoblaciones con susceptibilidad a determinadas enfermedades para luego establecer la correspondencia farmacogenómica con las medicinas adecuadas. Este artículo realiza una acotada caracterización de esta propuesta y sistematiza aspectos críticos para su implementación desde una perspectiva de salud pública. Dados los argumentos expuestos, resulta probable que la medicina personalizada lleve a una mayor desigualdad entre países y regiones y al interior de los diferentes sectores sociales.

Medicina de precisión Inteligencia artificial Farmacogenómica Tendencias socioeconómicas CIENCIAS SOCIALES; INGENIERÍA Y TECNOLOGÍA; MEDICINA Y CIENCIAS DE LA SALUD CIENCIAS SOCIALES INGENIERÍA Y TECNOLOGÍA MEDICINA Y CIENCIAS DE LA SALUD

La inteligencia artificial y sus modelos de redes neuronales

Alejandro E. Rodríguez-Sánchez (2024, [Artículo, Artículo])

Este artículo revisa qué son los modelos en la inteligencia artificial (IA), con especial énfasis en las redes neuronales artificiales y su capacidad para simular y predecir fenómenos complejos. Ejemplifica la aplicación multidisciplinaria de la IA en campos como la astronomía, destacando la imagen del primer agujero negro, y en biología molecular, con los avances de AlphaFold. Se resalta la necesidad de entender los modelos de IA más allá de su función técnica, subrayando su contribución al progreso científico. Concluye que la IA, a través de sus modelos, desempeña un papel crucial en el estudio de las regularidades de la naturaleza y de la sociedad.

Inteligencia artificial Redes neuronales artificiales Modelos cientificos Tecnología INGENIERÍA Y TECNOLOGÍA INGENIERÍA Y TECNOLOGÍA

REAL TIME EMBBEDED RGB-D SLAM USING CNNS FOR DEPTH ESTIMATION AND FEATURE EXTRACTION

Marcos Renato Rocha Hernández (2023, [Tesis de maestría])

"A robust and efficient Simultaneous Localization and Mapping (SLAM) system is essential for intelligent mobile robots to work in unknown environments. For visual SLAM algorithms, though the theoretical framework has been well established for most aspects, feature extraction and association is still empirically de signed in most cases, and can be vulnerable in complex environments. Also, most of the most robust SLAM algorithms rely on special devices like a stereo camera or depth sensors, which can be expensive and give more complexity to the system, that is why monocular depth estimation is an essential task in the computer vision community. This work shows that feature extraction and depth estimation using a monocular camera with deep convolutional neural networks (CNNs) can be incorporated into a modern SLAM framework. The proposed SLAM system utilizes two CNNs, one to detect keypoints in each im age frame, and to give not only keypoint descriptors, but also a global descriptor of the whole image and the second one to make depth estimations from a single image frame, all using only a monocular camera."

SLAM Inteligencia Artificial CNN Sistemas embebidos Redes neuronales Cámara monocular INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL