https://rinacional.tecnm.mx/jspui/handle/TecNM/6074 2026-05-03T20:46:36Z https://rinacional.tecnm.mx/jspui/handle/TecNM/11977 Title: ALGORITMO DE OPTIMIZACION PARA CONTROLADORES PID EN VEHICULOS AEREOS NO TRIPULADOS Authors: GARCIA JUAREZ, CESAR Description: El presente proyecto de tesis aborda la aplicación de algoritmos genéticos como técnica de optimización para la sintonización automática de controladores PID en vehículos aéreos no tripulados (UAVs). Los algoritmos genéticos, inspirados en los mecanismos evolutivos de la naturaleza, pertenecen a la familia de los métodos metaheurísticos y se destacan por su capacidad para resolver problemas de optimización de alta complejidad y no linealidad. El objetivo principal de esta investigación fue demostrar la eficacia de los algoritmos genéticos para encontrar configuraciones óptimas de los parámetros Kp, Ki y Kd del controlador PID, mejorando así la estabilidad, precisión y capacidad de respuesta del UAV ante condiciones operativas dinámicas. Para ello, se implementó un algoritmo genético personalizado, considerando diversos esquemas de representación, operadores genéticos y parámetros de control. El desempeño del enfoque propuesto fue validado y realizado mediante el software Matlab realizando pruebas de simulación en escenarios representativos del comportamiento dinámico de UAVs. Los resultados evidencian una mejora significativa respecto a métodos tradicionales de ajuste, especialmente en términos de velocidad de convergencia, minimización del sobre impulso y robustez frente a perturbaciones externas. Este trabajo contribuye al desarrollo de soluciones de control más eficientes y adaptativas, con aplicaciones directas en robótica aérea, automatización y sistemas autónomos, reforzando el potencial de los algoritmos genéticos como herramientas clave en el diseño inteligente de sistemas de control. 2025-06-01T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/11976 Title: SISTEMA HIBRIDO INTELIGENTE PARA CLASIFICACION DE IMÁGENES DE RIÑONES UTILIZANDO REDES NEURONALES Y LOGICA DIFUSA Authors: BALLESTEROS IBARRA, CHRISTIAN Description: La clasificación precisa de imágenes médicas, como las de riñones, es un desafío crucial en el campo de la medicina. La detección temprana y la precisión en la identificación de patologías como los quistes, cálculos, tumores y condiciones normales son fundamentales para el tratamiento oportuno y efectivo de los pacientes. En esta tesis, se presenta un enfoque innovador para la clasificación de imágenes de riñones utilizando un sistema híbrido inteligente que combina redes neuronales convolucionales (CNNs) y lógica difusa. Este enfoque tiene como objetivo mejorar tanto la precisión como la interpretabilidad de los resultados, proporcionando una herramienta valiosa para los profesionales médicos en la toma de decisiones clínicas. La arquitectura propuesta utiliza una CNN pre-entrenada para la extracción de características de las imágenes, las cuales se integran en un sistema de inferencia difusa basado en el modelo Mamdani. La base de datos empleada incluye más de 11,000 imágenes balanceadas entre cuatro categorías clínicas, permitiendo una evaluación exhaustiva del rendimiento del sistema. Los resultados obtenidos destacan la capacidad del modelo para lograr una clasificación efectiva con una precisión promedio del 95%, demostrando su potencial para asistir en el diagnóstico médico automatizado. 2025-08-01T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/6294 Title: MODELO DE RED NEURONAL CONVOLUCIONAL APLICADO A UN SISTEMA DE RECONOCIMIENTO Y TRADUCCIÓN DE LA LENGUA DE SEÑAS Authors: FREGOSO LOPEZ, JONATHAN%954950 Description: En este trabajo de tesis se presenta el desarrollo de una metodología para el reconocimiento de imágenes utilizando técnicas de computación inteligente con el fin de optimizar parámetros de arquitecturas de redes neuronales convolucionales aplicando el algoritmo de optimización por enjambre de partículas, donde los parámetros de la red a optimizar son: el número de capas, el número de filtros de convolución, el tamaño del filtro y el tamaño del lote. El método se aplica a tres bases de datos del lenguaje de señas las cuales son las siguientes: de la lengua de señas americana las bases de datos son la ASL Alphabet y ASL MNIST y de la lengua de señas mexicana la base de datos MSL. Para el proceso de optimización se desarrollaron dos arquitecturas distintas con el objetivo de analizar el desempeño de las arquitecturas generadas por el método, enfocándose en seleccionar las arquitecturas con las que se obtenga el mayor porcentaje de reconocimiento de la lengua de señas y manteniendo un buen desempeño computacional. Una vez seleccionadas las mejores arquitecturas se desarrolló una herramienta de comunicación asistida para la comunidad sorda; la cual consiste en realizar la traducción de la lengua de señas y esta nos permite realizar la traducción de palabras de la lengua de señas mexicana a americana y viceversa. Los resultados obtenidos en los tres casos de estudio indican que el método propuesto es efectivo ya que se obtuvo una tasa de reconocimiento promedio superior al 99% logrando una reducción en los tiempos de procesamiento y en el costo computacional en la clasificación y traducción de la lengua de señas 2021-06-01T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/6090 Title: MODELO DE APRENDIZAJE NEURONAL DIFUSO PROFUNDO APLICADO A PROBLEMAS DE DETECCIÓN Y CLASIFICACIÓN Authors: Torres Quiroz, Cesar Alan%1106407 Description: Los modelos de redes neuronales convolucionales han demostrado capacidades increíbles al realizar tareas de clasificación, a pesar de esto, se han encontrado múltiples adversidades a la hora de aplicarlos en ambientes de dominio o áreas específicas, tales como lo son los sistemas de clasificación de señales de tránsito. La utilización de técnicas difusas para preprocesamiento de información muestra la capacidad de manejar incertidumbre encontrada en los datos que pasan por la red. En el presente trabajo de tesis se presenta la iniciativa, para realizar una incorporación de técnicas de lógica difusa dentro de un modelo de red neuronal convolucional para manejar la incertidumbre presente en las fuentes de información que pasan por el modelo a la hora de entrenarlo. En la implementación se plantea la utilización de información y filtros en el espectro difuso, así como la creación de una nueva capa para sustituir la capa clásica de convolución por un nuevo filtrado de ventana en el cual se aplican procesos de composición matricial. El trabajo fue probado en bases de datos orientadas a clasificación de señales de tránsito, debido a su complejidad, dadas en las distintas circunstancias y factores alternos en los que se puede encontrar un señalamiento 2023-03-09T00:00:00Z