Búsqueda de arquitectura neuronal para la restauración de imágenes
Proponemos un enfoque NAS, que es multi-objetivo y considera objetivos de diferente naturaleza (incluyendo rendimiento, robustez, etc.) Nuestro método NAS será híbrido, combinando la búsqueda global basada en la evolución y la búsqueda local basada en el dominio.
PARTICIPANTES
Raúl Monroy Borja, Víctor Adrián Sosa Hernández
RESULTADOS
Artículos, propuestas de investigación, estancias cortas, presentaciones en congresos
FINANCIAMENTOS
CONAHCYT CF-803-2022 I
Hacia cadenas de suministro de ingeniería inteligentes y sostenibles
El proyecto es una iniciativa colaborativa entre la Universidad de Leeds y el Tecnológico de Monterrey, que busca desarrollar investigación a largo plazo enfocada en el diseño de cadenas de suministro de ingeniería sostenibles. Al considerar tanto el diseño de productos como los procesos de manufactura, el proyecto busca mejorar el desempeño de las cadenas de suministro en relación con los Objetivos de Desarrollo Sostenible (ODS) de la ONU, particularmente en lo referente a emisiones y disponibilidad de materias primas.
El proyecto incluirá talleres para desarrollar hojas de ruta de investigación y propuestas conjuntas de alta prioridad, con el objetivo de fortalecer a las comunidades de ingeniería para impulsar el desarrollo sostenible en las cadenas de suministro globales.
PARTICIPANTES
Rafael Batres, Eduardo Bastida, Dan Trowsdale, Omar Huerta, Jonathan Busch, Chee Yew Wong, Francisco Tapia Lara, Carlos Alberto González Almaguer
RESULTADOS
Artículos, estancias de investigación, reuniones de colaboración
FINANCIAMENTO
The International Strategy Fund (ISF), University of Leeds
IA avanzada para el reconocimiento de trastornos mentales
En este proyecto se utilizará un conjunto de datos sin precedentes, creado con el apoyo de más de 40 usuarios (mexicanos y canadienses), para obtener atributos de tres fuentes distintas: características de comportamiento extraídas de sensores en dispositivos de monitoreo físico de diferentes marcas, muestras de voz y análisis de texto.
Con este conjunto de datos, se aplicarán técnicas avanzadas de inteligencia artificial para detectar depresión y otros trastornos mentales, mediante el análisis de audio conversacional, biomarcadores y publicaciones en redes sociales. Se desarrollarán modelos de aprendizaje automático y modelos de aprendizaje profundo adecuados al nuevo dataset, con el fin de determinar con alta precisión el estado psicológico de una persona.
Además, el conjunto de datos se pondrá a disposición de la comunidad científica para futuros estudios sobre el tema.
En el núcleo de la investigación se proyecta el desarrollo de una plataforma basada en wearables y en modelos de IA embebida, capaz de alertar en tiempo real a los usuarios sobre síntomas psicofisiológicos relacionados con trastornos del estado de ánimo. Gracias a esta evaluación preliminar, el individuo podrá ser canalizado de forma oportuna al servicio psicológico correspondiente, donde personal capacitado podrá asistirlo para evitar que los síntomas mentales tengan un impacto negativo en su vida y entorno.
PARTICIPANTES
Tec de Monterrey Luis A. Trejo, Miryam Villa Pérez, INAOE: Luis Villaseñor; Centro GEO: Daniela Moctezuma
ProAmbitIon: Verificación de conformidad de procesos en línea con ambigüedades impulsadas por el Internet de las Cosas
El proyecto ProAmbitIon considera el uso del Internet de las Cosas (IoT) como habilitador para cerrar la brecha entre la ejecución de procesos en el mundo físico y su representación digital. Cuando se consideran procesos centrados en humanos, el conocimiento y las descripciones de procesos se proporcionan frecuentemente en documentos informales no estructurados que permiten múltiples interpretaciones y ejecuciones válidas (ambiguas). Para abordar estos problemas, aprovechamos técnicas provenientes de la minería de procesos, Internet de las Cosas, IA generativa y visión por computadora para monitorear procesos en sistemas ciberfísicos (como procesos de salud y manufactura). El objetivo final es identificar desviaciones repentinas y reportarlas a los interesados mediante retroalimentación intuitiva y fácil de interpretar.
PARTICIPANTES
Luciano García Bañuelos, Enrique García Ceja, César Torres Huitzil (Profesores)
Mauricio Jacobo González González, Astrid Monserrat Rivera González (Estudiantes de doctorado)
Raúl Jiménez Cruz, Pedro Aarón Hernández Ávalos, Luis Armando Rodríguez (Posdoctorados)
SOCIOS ACADÉMICOS
Barbara Weber, Marco Franceschetti, Ronny Seiger — Universidad de St. Gallen, Suiza
Abel Armas — Universidad de Melbourne, Australia
RESULTADOS
Publicaciones en conferencias y revistas internacionales (BPM, CAiSE, CoopIS, ER)
Conjuntos de datos publicados en Zenodo
Preprints en arXiv
Trabajos en proceso de envío a revistas
PUBLICACIONES DESTACADAS
Franceschetti et al. (2026). On-the-fly Event Disambiguation via Alignments. BPMDS, Springer. (Mención de mejor artículo)
Jiménez Cruz et al. (2026). Multimodal Interpretable Feedback for Phlebotomy Training. BPMDS, Springer.
Franceschetti et al. (2026). Multimodal Process Monitoring with On-Demand Disambiguation. BPM, Springer.
García-Bañuelos et al. (2025). A semi-automated approach to detecting process-level activities from sensor data. Procedia Computer Science.
Rivera-Partida et al. (2024). All optimal K-bounded alignments using the FM-index. CoopIS, Springer.
Franceschetti et al. (2023). ProAmbitIon: Online process conformance checking with ambiguities driven by the IoT. CAiSE.
Franceschetti et al. (2023). A characterisation of ambiguity in BPM. ER, Springer.
CONJUNTOS DE DATOS
Franceschetti et al. (2026). On-the-fly Event Disambiguation via Alignments. doi:10.5281/zenodo.17276498
Jiménez Cruz et al. (2025). Labeled Images of a Simulated Phlebotomy Procedure. doi:10.5281/zenodo.16924785
Seiger et al. (2024). Dataset from a Smart Factory. doi:10.5281/zenodo.14441996
Franceschetti et al. (2023). A characterisation of ambiguity in BPM. doi:10.5281/zenodo.7944319
TRABAJOS EN PROCESO
Jiménez Cruz et al. (2026). A Labeled Dataset of Simulated Phlebotomy Procedures for Medical AI. Enviado a Data in Brief.
González et al. (2026). Discovery of Process Activities from IoT Data using Error-tolerant Automata. Por enviarse a Future Generation Computer Systems.
Hernández-Ávalos & García-Bañuelos (2026). Pragmos: A Process Agentic Modeling System. arXiv: https://doi.org/10.48550/arXiv.2604.27311
Rodríguez-Flores et al. (2026). Secure Conformance Checking using Homomorphic Encryption. arXiv: https://doi.org/10.48550/arXiv.2604.25190
Rodríguez-Flores et al. (2026). A Privacy-Preserving Approach to Conformance Checking. arXiv: https://doi.org/10.48550/arXiv.2605.00283