https://rinacional.tecnm.mx/jspui/handle/TecNM/6072 2026-05-02T05:40:18Z 2026-05-02T05:40:18Z ALEJANDRA, MANCILLA SOTO%228191 https://rinacional.tecnm.mx/jspui/handle/TecNM/10624 2025-08-14T23:41:36Z 2024-05-01T00:00:00Z

Title: OPTIMIZACION DE CONTROLADORES DIFUSOS APLICANDO ALGORITMOS BIOINSPIRADOS EN LA NUBE Authors: ALEJANDRA, MANCILLA SOTO%228191 Description: En el ámbito de los sistemas autónomos, optimizar los mecanismos de control para lograr alta precisión y adaptabilidad en el seguimiento de trayectorias sigue siendo un desafío importante. Esta investigación profundiza en la aplicación de metaheurísticas basadas en múltiples poblaciones para optimizar los controladores de sistemas difusos para el seguimiento de trayectorias, proponiendo una implementación en la nube. Mediante un análisis exhaustivo, exploramos la aplicabilidad de algoritmos evolutivos y de inteligencia de enjambre para estas tareas. Un punto central de nuestro trabajo es el desarrollo de un nuevo enfoque para la adaptación dinámica de parámetros para algoritmos multipoblacionales. Esta metodología busca mejorar los controladores difusos y acelerar significativamente el tiempo de ejecución asociado con el ajuste de parámetros. Nuestro marco experimental evalúa el enfoque propuesto en diversos escenarios, comparándolo con métodos de optimización tradicionales. Los resultados revelan una mejora notable en las métricas de rendimiento de los controladores, incluyendo el tiempo de respuesta, la precisión y la adaptabilidad a entornos dinámicos. Nuestros hallazgos subrayan el potencial de utilizar implementaciones nativas de la nube de algoritmos basados en poblaciones en una plataforma en la nube. Esta opción es financieramente viable y elimina la necesidad de inversiones adicionales en hardware y gastos administrativos. Esta investigación contribuye al campo al proporcionar un marco sólido para optimizar los controladores de sistemas difusos mediante algoritmos bioinspirados. Nuestros hallazgos subrayan el potencial de la optimización bioinspirada para mejorar las capacidades de los sistemas autónomos, allanando el camino para futuras innovaciones en este campo en rápida evolución.

2024-05-01T00:00:00Z RAMIREZ ARELLANO, MARTHA%166301 https://rinacional.tecnm.mx/jspui/handle/TecNM/10623 2025-08-14T23:30:50Z 2024-03-01T00:00:00Z

Title: AGRUPACIÓN, CLASIFICACIÓN Y PREDICCIÓN DE SERIES TEMPORALES MEDIANTE EL USO DE REDES NEURONALES Authors: RAMIREZ ARELLANO, MARTHA%166301 Description: El trabajo de investigación presentado en esta tesis doctoral consiste en la propuesta de un modelo para la agrupación, clasificación y predicción de series temporales mediante el uso de redes neuronales artificiales, a través del cual se pretende simular computacionalmente el comportamiento de las funciones cognitivas del cerebro. Los objetivos de esta investigación se centran en el estudio de sistemas neuronales híbridos inteligentes y su utilización en el análisis de series temporales y sistemas de apoyo a la toma de decisiones. En los últimos años se ha prestado atención a los factores que impactan directamente en el bienestar y cómo evaluarlo a través del uso de indicadores cuantitativos y cualitativos que consideren la gestión de incertidumbre o de factores de riesgo multivariados, los cuales, en el caso de materializarse podrían ocasionar la imposibilidad de garantizar el nivel de cumplimiento de las metas y objetivos organizacionales, por lo que, para su administración frecuentemente se dividen en múltiples categorías según impacto y consecuencias. Por otra parte, los indicadores globales son dinámicos y en ocasiones su correlación es incierta porque dependen en gran medida de una combinación de factores económicos, sociales y ambientales principalmente. Por lo anterior, mediante el desarrollo de ocho casos de estudio, se analizan múltiples series temporales relacionadas a las siguientes problemáticas: accidentes de tráfico, calidad del aire y múltiples indicadores globales (consumo energético, tasa de natalidad, tasa de mortalidad, crecimiento poblacional, inflación, desempleo, desarrollo sostenible y calidad de vida). Nuestra principal contribución consiste en la una integración difusa Tipo-2 Generalizada de múltiples indicadores (series temporales) utilizando redes neuronales tanto supervisadas como no supervisadas y un conjunto de sistemas difusos Tipo-1, Tipo-2 por Intervalos y Tipo-2 Generalizados. Los resultados obtenidos muestran las ventajas de utilizar el modelo propuesto para la integración difusa Tipo-2 Generalizada de múltiples atributos de series de tiempo, con lo que es posible que el usuario final puede considerar durante el proceso de toma de decisión distintos aspectos de planificación futura y estrategias de gobernanza a largo plazo, gestión del talento, fortaleza de la industria, lucha contra la corrupción y estructura política, para aprovechar las oportunidades más recientes presentadas por la globalización.

2024-03-01T00:00:00Z LLORENTE PERALTA, CARLOS ERIC%817960 https://rinacional.tecnm.mx/jspui/handle/TecNM/10621 2025-08-14T23:15:18Z 2024-06-01T00:00:00Z

Title: METODOS DE REPRESENTACION, INTERPRETACIÓN, BUSQUEDA E INFERENCIA BASADOS EN APRENDIZAJE CON REDES NEURONALES, PARA ANALITICA DE DATOS A TRAVES DE PREDICADOS DE LOGICA DIFUSA. Authors: LLORENTE PERALTA, CARLOS ERIC%817960 Description: En la actualidad, vivimos en un mundo tan interconectado que se genera una cantidad masiva de datos en el día a día. Se estima que para el año 2025, esta cifra alcance los 181 zettabytes. Surge así la necesidad de desarrollar modelos computacionales que puedan filtrar, analizar, modelar y extraer información importante, precisa y veraz, con el fin de ayudar en procesos de toma de decisiones, mejora de la eficiencia, la innovación y el desarrollo, entre otros aspectos. Es de tal forma que surge el enfoque de la analítica de datos. El creciente estudio y desarrollo de modelos enfocados en el análisis de datos ha traído consigo grandes avances en áreas como la ingeniería, la medicina, los negocios y la seguridad, entre otras. Dentro de tales modelos, las redes neuronales han tenido un impacto significativo, gracias a sus resultados altamente precisos y su capacidad de aprendizaje y adaptación a los datos. Específicamente, las redes neuronales que implementan lógica difusa destacan, ya que permiten al modelo manejar la incertidumbre y datos vagos e incompletos, características comunes en problemas del mundo real. Sin embargo, las redes neuronales de lógica difusa, o redes neuro difusas, todavía enfrentan algunas limitaciones. Por ejemplo, la implementación de estos modelos puede resultar conceptualmente difícil, lo que dificulta su comprensión e interpretación. Además, suelen requerir muchos recursos computacionales, tiempo de ejecución, tal que a menudo necesitan modelos de optimización especializados debido a la complejidad de los parámetros involucrados. Por tanto, en el presente proyecto de tesis se presentan una serie de conceptos que buscan, a través del análisis de diversos enfoques, construir una red neuronal de lógica difusa Arquimediana compensatoria. Esta red, mediante el aprendizaje de predicados lógicos, pretende resolver problemas de analítica de datos a través de un modelo interpretable y preciso, evitando así el uso de recursos extra lógicos, lo cual facilita su interpretación semántica. De esta manera, se contribuye a la creación de modelos no solo precisos en tareas de clasificación e inferencia, sino también interpretables y explicables en función del lenguaje natural.

2024-06-01T00:00:00Z Romero Gándara, José Alfonso https://rinacional.tecnm.mx/jspui/handle/TecNM/7368 2024-03-22T17:59:37Z 2016-01-31T00:00:00Z

Title: Síntesis de Organocatalizadores que Contienen de Uno a Cuatro Centros Quirales para la Adición Asimétrica de Michael Authors: Romero Gándara, José Alfonso Description: Con el propósito de ofrecer organocatalizadores eficientes nuevos en la reacción de adición de Michael, en esta tesis se han sintetizado y modificado organocatalizadores con uno a cuatro centros quirales, además se ha seleccionado el (1R,2R)-(-)-diaminociclohexano como plantilla en la síntesis de algunos organocatalizadores quirales. Esta diamina tiene dos centros quirales, lo que permite la introducción de sustituyentes sobre los nitrógenos que podrían ser estérica y electrónicamente controlados. Los resultados de esta investigación pueden ser divididos en cinco partes. En la primer parte la atención se centró en la síntesis de organocatalizadores nuevos con un centro quiral, estos organocatalizadores fueron evaluados en la reacción de adición de Michael de cetonas y propanaldehído a nitroolefinas. Los catalizadores más óptimos en la reacción fueron el organocatalizador 1 y 6 con rendimientos de bajos a moderados y ee de buenos a excelentes. La segunda parte se centró en la síntesis de organocatalizadores con dos centros quirales. En los de tipo monosulfonamida se mantuvo la amina primaria y se introdujeron sustituyentes diferentes en el arilo. Los rendimientos bajos sugieren impedimento estérico excesivo de los sustituyentes alquilo en el arilo. Al introducir halógenos en al anillo aromático ocurre una interacción halógeno-oxigeno nueva incrementando el rendimiento y ee. También los rendimientos y enantioselectividad son incrementados al utilizar como aceptor de Michael al p-metoxinitroestireno. En la tercer parte se sintetizaron organocatalizadores derivados de aminoácidos con tres centros quirales y se evaluó su capacidad catalítica en la reacción de cetonas y propanaldehído a nitroolefinas. Los organocatalizadores mejores fueron el 30a y 32. En la cuarta parte, se sintetizaron compuestos con cuatro centros quirales en un intento por desarrollar organocatalizadores quirales más atractivos y se evaluó su eficacia en la reacción de Michael de cetonas y propanaldehído a nitroolefinas donde se obtuvieron rendimientos y ee bajos, solo con el organocatalizador 34 se obtuvo resultados buenos en la reacción de acetona a nitroestireno. En la quinta parte se realizaron cálculos computacionales en el estado de transición en la adición asimétrica conjugada de Michael de acetona a nitroestireno para los organocatalizadores 10, 15, 16, 17, 18, 23-25 y acetona a p-metoxinitroestireno para el organocatalizador 10.

2016-01-31T00:00:00Z