El Programa de Maestría en Ciencias del Procesamiento de la Información (MCPI) pertenece a la DES de Ingeniería y Tecnología en la Unidad Académica de Ingeniería Eléctrica (UAIE) de la Universidad Autónoma de Zacatecas (UAZ), México. La MCPI es un programa de reciente creación que integra investigadores especialistas en las Ciencias de la Ingeniería, quienes confluyen a través de las Lineas de Generación y Aplicación del Conocimiento (LGACs) de sus Cuerpos Académicos (CA) en el área de "Análisis y Procesamiento de Datos", las cuales derivan actualmente en el desarrollo de actividades de investigación científica y tecnológica en el ecosistemas del Internet de las Cosas (IoT) y la industria 4.0. http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1403 2026-04-18T14:57:07Z 2026-04-18T14:57:07Z http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/4216 2026-03-18T17:32:50Z 2023-11-29T00:00:00Z

Título : Clasificación de la temperatura del agua subterránea, utilizando Machine Learning Authors: Regis Robles, Carlos Autor : Carlos Francisco Bautista Capetillo Resumen : El agua subterránea es la principal reserva que tiene la humanidad para abastecer diferentes usos. En el caso de México ayuda al crecimiento socioeconómico de varias regiones. Por lo cual es necesario estar monitoreando a través de generar redes que permiten observar el comportamiento del agua subterránea en los acuíferos. En esta investigación se presenta un análisis de la información recabada en el acuífero Calera, Zacatecas, utilizando un modelo de Inteligencia Artificial (I.A.) de tipo clúster conocido como K-means para realizar una agrupación algunas características químicas del agua y su relación con la temperatura bajo un enfoque espacio-temporal. Los resultados obtenidos sugieren que existe una relación en las variaciones de la temperatura de tipo espacial y una posible asociación con el tipo de suelo en la zona de estudio. Descripción : Groundwater is the main reserve that humanity has to supply different uses. In the case of Mexico helps the socioeconomic growth of several regions. Therefore, it is necessary to monitor through generating networks that allow observing the behavior of groundwater in aquifers. In this research, a analysis of the information collected in the Calera aquifer, Zacatecas, using an Artificial Intelligence (A.I.) type model cluster known as K-means to group some chemical characteristics of water and their relationship with temperature under a space-time approach. The results obtained suggest that there is a relationship in the variations of the spatial type temperature and a possible association with the type of soil in the study area.

2023-11-29T00:00:00Z http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/4215 2026-03-18T17:21:57Z 2021-05-17T00:00:00Z

Título : Estimación de parámetros morfológicos en rocas sedimentarias usando Fourier elíptico y redes neuronales Authors: Mejía Hernández, Erik Autor : De la Rosa Vargas José Ismael Resumen : El análisis de rocas sedimentarias es útil en las ciencias geológicas, el sector económico y la evaluación de riesgos. La redondez es un parámetro morfológico que proporciona información para caracterizar y clasificar el material sedimentario. Los grados de redondez se estiman a partir del contorno de la partícula. Waddell (1932) propuso un método notable basado en la medición de la curvatura de las partículas. Este método es preciso; sin embargo, no es invariante con la escala y la rotación. Este problema se puede resolver mapeando el contorno en el dominio de la frecuencia; sin embargo, el análisis espectral es una tarea difícil. Con base en estos dos enfoques, proponemos utilizar una red neuronal profunda cuya entrada es el espectro elíptico de Fourier y el objetivo es la redondez propuesta por Wadell. La base de datos de formación consta de 623 imágenes reales de rocas de algunos fenómenos geológicos. Hemos descubierto que las redes neuronales funcionan muy bien en el 88,8% de las rocas. Descripción : Sedimentary rocks analysis is useful in geological science, economic sector, and risk evaluation. Roundness is a morphological parameter that provide information to characterize and classify sedimentary material. Roundness degrees is estimated from the contour of the particle. Waddell (1932) proposed a remarkable method based on the measurement of particle’s curvature. This method is accurate; nevertheless, it is not invariant to scale and rotation. This problem can be solved by mapping the contour to the frequencydomain, however, spectral analysis is a difficult task. Based on these two approaches, we propose to use a deep neural network whose input is the elliptical Fourier spectrum and target is roundness proposed by Wadell. The training database consists of 623 real rocks images from some geological phenomena. We have found the neural networks perform very well on the 88.8% of rocks.

2021-05-17T00:00:00Z http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/4214 2026-03-18T17:20:02Z 2021-09-24T00:00:00Z

Título : Detección de Infantes en la Zona de copiloto en un Vehículo, mediante Redes Neuronales Profundas y Visión Computacional Authors: Castañeda Almaraz, William Autor : Huizilopoztli Luna García Resumen : Los accidentes automovilísticos generan millones de muertes en el mundo, y lesiones a infantes de acuerdo con la Organización Mundial de la Salud (OMS), la detección de un infante como copiloto en un vehículo podría prevenir lesiones o fallecimientos de infantes en accidentes automovilísticos. Por ello, la presente investigación describe el uso de redes neuronales convolucionales para la detección de infantes en el asiento del copiloto en automóviles mediante la implementación de un sistema de visión computacional. El proceso que se siguió para el desarrollo de proyecto fue la adquisición de las imágenes de los casos a estudiar, el pre- procesamiento de las imágenes y en el reentrenamiento de la red se empleó la técnica de “ajuste fino” basado en la arquitectura Google Net de Redes Neuronales Convolucionales, se evaluó el rendimiento del modelo mediante un análisis estadístico multiclase obteniendo una exactitud 97.66%, sensibilidad promedio 97.44% y especificidad promedio 98.95%.

2021-09-24T00:00:00Z http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/4180 2026-03-04T19:53:57Z 2026-03-03T00:00:00Z

Título : 11 Jornadas Iberoamericanas de Interacción Humano-Computadora 2025 | Vol. 2 Authors: Luna-García, Huizilopoztli Resumen : Las memorias de las 11 Jornadas Iberoamericanas de Interacción Humano-Computadora (11JIHC´25) reúnen una selección de los trabajos aceptados y presentados en modalidad de artículos cortos (short papers) y artículos largos (full papers) durante el evento realizado en la ciudad de Zacatecas, México, del 7 al 9 de mayo de 2025, bajo un formato híbrido. Las Jornadas fueron organizadas por la Universidad Autónoma de Zacatecas “Francisco García Salinas”, en colaboración con el Consejo Zacatecano de Ciencia, Tecnología e Innovación (COZCYT) y la Red Iberoamericana HCI-COLLAB. El eje temático “Interacción Humano-Tecnología en la Era de la Inteligencia Artificial” orientó esta edición hacia el análisis crítico de cómo las tecnologías emergentes transforman las experiencias humanas y sociales, impulsando la accesibilidad, la inclusión y la colaboración en sectores clave como la educación, la salud, la industria y el entretenimiento. En este marco, los artículos enviados proceden de los talleres 7º Workshop en Sistemas Interactivos Inteligentes, 4º Workshop sobre Industria 4.0 e Interacción Humano-Computadora, 4º Workshop de Trabajo Colaborativo y Aprendizaje Colaborativo, 3er Workshop en Cognición e Interacción y 2º Workshop sobre Accesibilidad e Inclusión, los cuales aportan perspectivas metodológicas y aplicaciones avanzadas que fortalecen el entendimiento interdisciplinar de la Interacción Humano-Computadora en escenarios mediados por inteligencia artificial. En atención a los lineamientos editoriales, los trabajos distinguidos como mejores contribuciones no se incluyen en estas memorias, dado que serán publicados en la serie Communications in Computer and Information Science (CCIS) de Springer.

2026-03-03T00:00:00Z