Título ↨	Institución	Año↨	Descripción↨
Aplicación de la segmentación semántica en la inteligencia artificial	SIP-IPN	2020	Lograr resultados relevantes en el análisis de retinas humanas, en la detección de la profundidad a partir de una sola imagen, la detección de cáncer de mama y sistemas de videovigilancia, mediante la utilización de la segmentación semántica (SS) y el aprendizaje profundo (DL).
Aplicación de modelos matemáticos e inteligencia artificial	SIP-IPN	2021	Resolver problemas de ciencia e ingeniería con modelos matemáticos e inteligencia artificial
Aplicación de modelos matemáticos e inteligencia artificial	SIP-IPN	2020	Resolver problemas de ciencia e ingeniería con modelos matemáticos e inteligencia artificial
Aplicación de modelos matemáticos y computacionales	SIP-IPN	2022	Resolver problemas de ciencia e ingeniería con modelos matemáticos y computacionales.
Aplicaciones de dinámica de fluidos e inteligencia artificial	SIP-IPN	2019	Resolver problemas de dinámica de fluidos usando técnicas clásicas e inteligencia artificial
Aplicaciones del aprendizaje profundo a la visión por computadora	SIP-IPN	2019	Lograr aplicar las técnicas relacionadas con el aprendizaje profundo en aplicaciones de la visión por computadora y la inteligencia artificial.
Aprendizaje automático con metaheruísticas de optimización y enjambres de partículas	SIP-IPN	2020	Identificar y caracterizar los principales modelos de algoritmos para aprendizaje automático simbólico y subsimbólico a partir de metaheurísticas o enjambres de partículas. Sintetizar la aportación de estas técnicas en la construcción de clasificadores híbridos. Particularmente, dirigir la aplicación hacia las áreas de reconocimiento de rostros, aprendizaje de reglas en mercados financieros, identificación de rayos cósmicos y/o modelado lógico en procesamiento de lenguaje natural.
Aprendizaje automático con metaheruísticas de optimización y enjambres de partículas	SIP-IPN	2019	Identificar y caracterizar los principales modelos de algoritmos para aprendizaje automático simbólico y subsimbólico a partir de metaheurísticas o enjambres de partículas. Sintetizar la aportación de estas técnicas en la construcción de clasificadores híbridos. Particularmente, dirigir la aplicación hacia las áreas de reconocimiento de rostros, aprendizaje de reglas en mercados financieros, identificación de rayos cósmicos y/o modelado lógico en procesamiento de lenguaje natural.
Aprendizaje automático orientado al análisis de imágenes digitales	SIP-IPN	2021	Desarrollar algoritmos de aprendizaje automático orientados hacia el análisis de imágenes digitales.
Desarrollo del Algoritmo de Optimización Multiobjetivo por Curvas de Nivel - MOLCOA para la solucion del flujo de vehicular en grandes ciudades modelado por teoria gráfos	SIP-IPN	2022	Desarrollar un algoritmo multiobjetivo, multimodal para problemas de optimización, considerando transito vehicular de grandes ciudades.
Desarrollo del Algoritmo de Optimización Multiobjetivo por Curvas de Nivel - MOLCOA para la solución del flujo de vehicular en grandes ciudades modelado por teoria gráfos	SIP-IPN	2023	Desarrollar un algoritmo multiobjetivo, multimodal para problemas de optimización, considerando transito vehicular de grandesciudades. 1) Desarrollo del Algoritmo de Optimización por Curvas de Nivel - LCOA. 2) Pruebas del algortimo LCOA a funciones Benchmark 3) Modelación y planteamiento del problema de transito vehicular por teoria de grafos. 4) Aplicaion del algortimo LCOA al problema de optimizacion de transito vehicular. 5) Desarrollo del Algoritmo de Optimización Multiobjetivo por Curvas de Nivel - MOLCOA. 6) Modelación
Descripción de imágenes mediante redes neuronales profundas	SIP-IPN	2022	Describir el contenido de imágenes digitales haciendo uso de las posibilidades de las redes neuronales profundas para procesar imágenes y textos.
Detección temprana de trastornos psicológicos mediante el uso deinteligencia artificial en análisis de datos de redes sociales	SIP-IPN	2023	Utilizar técnicas de procesamiento del lenguaje natural (PLN) y lainteligencia artificial (IA) para detectar trastornos mentales tempranamentemediante el análisis de corpus relacionados con estos trastornos y el desarrollo de modelos de clasificación automática para detectarlos a partirde producciones lingüísticas. * Identificar características lingüísticas asociadas con los trastornos dedespersonalización/desrealización (DP/DR), depresión y ansiedad mediante elanálisis de corpus relacionados con estos trastornos. * Desarrollar modelos de clasificación automática para detectar estostrastornos a partir de producciones lingüísticas. * Evaluar la eficacia de estos modelos en comparación con las metodología
Diseño de un controlador para un levitador magnético basado en saturaciones anidadas y un observador tipo super twisting	SIP-IPN	2023	Proponer un esquema de control basado en saturaciones anidadas y un observador del tipo super tweesting para resolver el problema de seguimiento de trayectorias para un levitador magnético. Encontrar la forma de expresar el modelo dinámico del levitador magnético en su forma conocida como variable de estado, en el que se considera la incertidumbre dinámica y las perturbaciones externas. Diseñar un observador del tipo super twisting para estimar la velocidad desconocida de la esfera que levita debido al campo magnético que produce un selenoide. Explotar el observador para recons
Formalización computacional e interpretación de un lenguaje sobre objetos y procesos en ingeniería de sistemas basada en simulación	SIP-IPN	2020	Complementar y mejorar el lenguaje OPL para obtener una representación formalizada que permita en un futuro vincularlo con metodologías de simulación relacionadas con el desempeño de sistemas.
Identíficación de de cardiopatias en fonocardiogramas por medio de técnicas de Inteligencia Artificial.	SIP-IPN	2020	Identificar y clasificar sonidos cardiacos anormales en señales fonocardiográficas
Identíficación de de cardiopatias en fonocardiogramas por medio de técnicas de Inteligencia Artificial.	SIP-IPN	2021	Identificar y clasificar sonidos cardiacos anormales en señales fonocardiográficas
Modelo Bioinspitrado para el Crecimiento de Células Anómalas	SIP-IPN	2019
Modelos matemáticos y aprendizaje automático	SIP-IPN	2023	Resolver problemas de ciencia e ingeniería con modelos matemáticos y computacionales mediante técnicas de aprendizaje automático Proponer modelos matemáticos y computacionales para resolver problemas usando aprendizaje automático
Neurona pulsante de tipo integración y disparo con fuga implementada en un sistema en chip	SIP-IPN	2023	Diseñar e implementar una neurona pulsante de tipo integración y disparo (LIF) con fuga que incorpore un mecanismo de ajuste sináptico mediante técnicas de diseño digital VLSI. Diseñar e implementar un módulo eficiente y sintetizable en tecnología digital para solucionar numéricamente el modelo de neurona de tipo LIF, mediante el método de Euler. Diseñar e implementar un módulo de circuito que calcule el ajuste sináptico STDP enlazado con el módulo neuronal LIF. Proponer y probar interfaces de interconexión entre los módulos de neuronas LIF.
Procesamiento simbólico para búsqueda heurística en dominios abiertos.	SIP-IPN	2022	Identificar, caracterizar y aplicar algoritmos simbólicos y metaheurísticas bioinspiradas, en la solución de tareas en dominios abiertos, tomando como casos de estudio la interpretación musical, la minería y descubrimiento de conocimiento y la interpretación lógica de textos en lenguaje natural.
Procesamiento simbólico y cuasisimbólico para tareas de clasificación y aprendizaje.	SIP-IPN	2021	Mostrar la fortaleza de las técnicas de procesamiento simbólico y cuasisimbólico, aplicandolas a la solución de problemas en las áreas de apreciación musical, procesamiento de lenguaje natural y minería de conocimiento, en las que las técnicas conexionistas difícilmente pueden aportar.
Programación lógica y cómputo bioinspirado para problemas en dominios abiertos	SIP-IPN	2023	Probar la capacidad potencial de la programación lógica y el cómputobioinspirado para integrar soluciones a problemas definidos sobre dominiosabiertos de conocimiento.
Redes Neuronales Artificiales basadas en Memristores	SIP-IPN	2019	Poner en operación modelos analógicos de neuronas artificiales tomando como base la tecnología de los memristores. Entre los modelos que se propone poner en operación están la Unidad de umbralado lógico (TLU), el perceptrón, el perceptrón morfológico con procesamiento dendrítico y al menos una neurona de tipo pulsante, por ejemplo, la neurona de Izhikevich.
Renovación del sistema de análisis de retinas humanas mediante técnicas deinteligencia artificial	SIP-IPN	2023	Renovar un sistema de análisis de retinas humanas ya desarrollado, medianteel uso de técnicas novedosas actuales basadas en redes neuronalesconvolucionales e inteligencia artificial. 1. Selección de la red neuronal de aprendizaje profundo más adecuada. 2. Selección de la base de datos etiquetados pública idónea. 3. Entrenar la red neuronal con imágenes sanas o con alguna(s) patologías. 4. Entrenar la red seleccionada con dichas imágenes acrecentadas en número. 5. Verificar y probar la red entrenada con nuevas imágenes. 6. Modificar la red hasta lograr certidumbre
Técnicas de inteligencia artificial para la identificación de patrones musicales en instrumentos monofónicos de aliento.	SIP-IPN	2023	Clasificar patrones musicales a través del procesamiento de imágenes yseñales de audio utilizando técnicas de aprendizaje profundo. Diseñar las secuencias musicales a clasificar. Crear conjunto de datos visual. Crear conjunto de datos acústico. Preprocesar conjuntos de datos. Seleccionar arquitecturas de aprendizaje profundo. Evaluar las arquitecturas seleccionadas.