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