Bienvenido a  

  

Bienvenida

Bienvenido al grupo de sistemas inteligentes. En nuestro grupo de investigación se realiza investigación tanto básica como aplicada, para dar solución a problemas relacionados con el reconocimiento de patrones, análisis de imágenes, predicción de series de tiempo y control, de alto impacto social.

Uno de los objetivos del grupo es el proponer, desarrollar, adaptar e implementar nuevos modelos neuronales y asociativos basados en las redes de perceptrones, redes auto-organizables, redes polinomiales y redes de tercera generación (redes generadoras de impulso) para posteriormente aplicarlos a problemas relacionados con el reconocimiento de patrones, análisis de imágenes, predicción de series de tiempo,procesamiento de señales y control de sistemas industriales, robóticos, agentes entre otros. Al mismo tiempo, estudiamos algunos procesos cognitivos del cerebro humano para proponer modelos neuronales más robustos. Durante la etapa de entrenamiento aplicamos y desarrollamos estrategias basadas en el aprendizaje supervisado, no supervisado, por refuerzo y evolutivo.

Por otro lado, también buscamos implementar los modelos propuestos en sistemas embebidos, arquitecturas específicas como FPGAs y GPUs para dar solución a problemas de alto impacto social.

Publicaciones recientes

  1. Roberto A. Vazquez (2011). A computational approach for modeling the biological olfactory system during an odor discrimination task using spiking neurons. BMC Neurosciences, 12(supp1):P360.
  2. Luna-Sanchez C., Gomez-Ramirez E., Najim K. and Ikonen E. (2011). Forecasting time series with a logarithmic model for the polynomial artificial neural networks. In Proceedings of the International Joint Conference on Neural Networks, IJCNN 2011.
  3. Roberto A. Vazquez, Bernard Girau, Jean-Charles Quinton (2011). Visual attention using spiking neural maps. In Proceedings of the International Joint Conference on Neural Networks, IJCNN 2011.
  4. Josefath I. Espinosa-Ramos and Roberto A. Vazquez (2011). Locating seismic-sense stations through genetic algorithms. In Proceedings of GECCO 2011, pp. 941-948.
  5. Beatriz A. Garro, H. Sossa and Roberto A. Vazquez (2011). Artificial neural networks synthesis by means of artificial bee colony. In Proceedings of IEEE Congress on evolutionary computation 2011, CEC 2011.
  6. Roberto A. Vazquez (2011). Training spiking neural models using cuckoo search algorithm. In Proceedings of IEEE Congress on evolutionary computation 2011, CEC 2011.
  7. Roberto A. Vazquez and Beatriz A. Garro (2011). Training spiking neurons by means of particle swarm optimization. In Y. Tan et. al (Eds.): ICSI 2011, Lecture Notes in Artificial Intelligence, N 6728, pp. 242–249, Springer.
  8. Beatriz A. Garro, H. Sossa and Roberto A. Vazquez (2011). Evolving neural networks: a comparison between differential evolution and particle swarm optimization. In Y. Tan et. al (Eds.):ICSI 2011, Lecture Notes in Artificial Intelligence, N 6728, pp. 447–454, Springer.

 


  

 Actividades



Términos y Condiciones de Uso
Universidad La Salle, Benjamín Franklin 47, Col. Hipódromo Condesa, C.P. 06140, México, D.F. Tel. 5278-9500
Visitanos en Facebook   Visitanos en YouTube