CONACIC 2026

PROGRAMA OFICIAL

Explora las conferencias magistrales, talleres prácticos y trabajos aceptados.

XVI Congreso Nacional de Computación

VIII Congreso Internacional de Computación

Horario

Lunes 5 de Octubre

Martes 6 de Octubre

Miércoles 7 de Octubre

Jueves 8 de Octubre

Viernes 9 de Octubre

10:00
-
11:00

11:00
-
12:00

ON DEMAND Ponencias Simultáneas On Demand

CONFERENCIA PhD. Martin Hagan Adaptive Prediction with Fixed Weight Neural Networks

CONFERENCIA Dr. Víctor Manuel Morales Rocha De la IA generativa a los agentes autónomos: nuevos retos de la ciberseguridad.

12:00
-
13:00

ON DEMAND Ponencias Simultáneas On Demand

CONFERENCIA Dr. José Martínez Carranza QuetzalC++: 10 años participando en competencias de drones autónomos.

CONFERENCIA Dra. Claudia Zendejas-Morales ¿Qué hace diferente a la información cuántica? Recursos, correlaciones y ventajas

CONFERENCIA Dr. Oscar Castillo López Sistemas Difusos de Tipo-2 y Tipo-3 para Aplicaciones en Control y Robótica

16:00
-
19:00

TALLER Ing. Carlos García Díaz Next-Gen Voice AI: El Poder del Audio Nativo en Tiempo Real

TALLER Lic. Diana H. Reynoso / Ing. Irwing Durán Construyendo la Red: Blockchain y Nodos

TALLER LCC. Ángeles Anahi Ramírez Ramírez UX Adaptativo: integración de técnicas de investigación, diseño, evaluación e inteligencia artificial para proyectos digitales empresariales

TALLER Lic. Jonás de Jesús Contreras Cerecedo / Ing. Gabriel Valentín Castellanos Simulación y Emulación Cuántica con MATLAB y VHDL

Lunes 5 de Octubre

11:00 - 12:00

On Demand

Ponencias Simultáneas On Demand

12:00 - 13:00

On Demand

Ponencias Simultáneas On Demand

16:00 - 19:00

Taller

Next-Gen Voice AI: El Poder del Audio Nativo en Tiempo Real

Ing. Carlos García Díaz

Martes 6 de Octubre

11:00 - 12:00

On Demand

Ponencias Simultáneas On Demand

12:00 - 13:00

On Demand

Ponencias Simultáneas On Demand

16:00 - 19:00

Taller

Construyendo la Red: Blockchain y Nodos

Lic. Diana H. Reynoso / Ing. Irwing Durán

Miércoles 7 de Octubre

11:00 - 12:00

Conferencia

Adaptive Prediction with Fixed Weight Neural Networks

PhD. Martin Hagan

12:00 - 13:00

Conferencia

QuetzalC++: 10 años participando en competencias de drones autónomos.

Dr. José Martínez Carranza

16:00 - 19:00

Taller

UX Adaptativo: integración de técnicas de investigación, diseño, evaluación e inteligencia artificial para proyectos digitales empresariales

LCC. Ángeles Anahi Ramírez Ramírez

Jueves 8 de Octubre

11:00 - 12:00

Conferencia

De la IA generativa a los agentes autónomos: nuevos retos de la ciberseguridad.

Dr. Víctor Manuel Morales Rocha

12:00 - 13:00

Conferencia

¿Qué hace diferente a la información cuántica? Recursos, correlaciones y ventajas

Dra. Claudia Zendejas-Morales

16:00 - 19:00

Taller

Simulación y Emulación Cuántica con MATLAB y VHDL

Lic. Jonás de Jesús Contreras Cerecedo / Ing. Gabriel Valentín Castellanos

Viernes 9 de Octubre

12:00 - 13:00

Conferencia

Sistemas Difusos de Tipo-2 y Tipo-3 para Aplicaciones en Control y Robótica

Dr. Oscar Castillo López

76 trabajos


S2/4	Martin Eduardo Vazquez Diaz, Said Polanco Martagon, Yahir Hernández Mier and Marco Aurelio Nuño Maganda	Automatic Respiratory Sound Classification Using STFT-CWT Fusion and BLNet-Inspired Two-Stage Training	sonidos respiratorios ICBHI 2017 aprendizaje profundo STFT CWT variable de bloqueo.
s2/10	Alán Aarón Barrón Sánchez	Hilos virtuales vs. hilos de plataforma en Java 21: evaluación experimental del rendimiento y consumo energético bajo cargas CPU-bound e I/O-bound	Virtual Threads Platform Threads Parallel Computing Energy Efficiency.
S4/3	Rocio Ochoa-Montiel, Mauricio Romano-Rodríguez, Freddy Montalvo-Galicia and Perfecto-Malaquías Quintero-Flores	Visual Explainability in the Classification of Acute Myeloid Leukemia	Leukemia Deep learning Visual explainability.
S4/4	Paula Alejandra Castaneda Sanchez, Anau Ortiz Guerrero, José Félix Serrano Talamantes and Mauricio Olguín Carbajal	CATDRIVE: Aplicación Móvil con Reconocimiento Facial para la Detección de Somnolencia y Posible Estado de Ebriedad en Conductores	reconocimiento facial detección de somnolencia seguridad vial visión por computadora aplicación móvil MediaPipe.
Pendiente	Matthew Steve Robbin Ruiz Pacheco, Joshua Iván Zavaleta Guerrero, Leonardo Lagos López, Jonathan Axel Cruz Vazquez, Víctor Adonis Almendra Hernandez, Abel Alejandro Rubin Alvarado and Juan Humberto Sossa Azuela	Clasificación múltiple y decodificación de imaginación motora para el control robótico simulado	Pendiente de agregar
S5/4	Nataly Mariel Quintero Mercado, Abel Alejandro Rubin Alvarado, Alejandro Monroy Azpeitia, José Antonio Huerta Caballero, Saulo Abraham Gante Díaz and Juan Humberto Sossa Azuela	Diseño e Implementación de un Agente Robótico Autónomo con Modelos de Lenguaje Natural y Visión por Computadora	Pendiente de agregar
S3/3	Roberto Morales, Carlos Chanto, Tatiana Alvarez and Enrique Gómez	Edge AI for Network Management and Optimization in 5G and 6G Networks: A Systematic Literature Review	Edge AI Edge Intelligence Network Management Network Optimization 5G Networks 6G Networks Internet of Things (IoT) Machine Learning Computing methodologies Computer systems organization → Edge computing.
Pendiente	Jared Everardo Reyes Pérez, Kevin Cortés Girón, Denise Montserath Mejía German, Zayra Reyes Vera, Emiliano Kaled Merodio Melendez, Daniel Villegas Piña, Abel Alejandro Rubin Alvarado, Jonathan Axel Cruz Vazquez, Víctor Adonis Almendra Hernandez, Saulo Abraham Gante Díaz and Jesús Yalja Montiel Pérez	MatchLab: Una herramienta interactiva de evaluación comparativa para descriptores de características y tuberías de emparejamiento de imágenes	Image matching Computer Vision Deep learning
s1/9	Edgar Rodrigo Arredondo Basurto, José Félix Serrano Talamantes, Mauricio Olguín Carbajal, Juan Carlos Herrera Lozada, Miguel Hernández Bolaños and Israel Rivera Zarate	Detección de enfermedades del maíz y otros cultivos mediante visión por computadora y técnicas de aprendizaje profundo	Aprendizaje profundo PyTorch Maíz Detección de enfermedades
S3/5	Pablo Deymonnaz, Diego Kingston and Juan Bono	Competencias Transversales en Ingeniería Informática: Ética, Responsabilidad Social e Impacto Ambiental a través de Proyectos Interdisciplinarios	competencias transversales ética en ingeniería responsabilidad social impacto ambiental proyectos interdisciplinarios inteligencia artificial educación en ingeniería.
Pendiente	Judith Pérez Marcial, Ana Luisa Ballinas Hernández, María Claudia Denicia Carral, Javier Flores Méndez and Jesús Martínez Romero	Evaluación del Impacto Operativo y de la Experiencia de Usuario de una Plataforma Web Progresiva con Asistente Conversacional en Cafeterías Escolares	Aplicación Web Progresiva Asistente Conversacional Procesamiento de Lenguaje Natural Usabilidad.
S4/10	Eugenio Cuevas	LIBS system with convolutional neural networks 1D for the identification of copper in agricultural products	Laser-Induced Breakdown Spectroscopy (LIBS) 1D-Convolutional Neural Networks (1D-CNN) Hybrid Pooling Heavy Metal Detection Food Safety Agricultural Products Spectral Preprocessing.
S4/9	Alexis Trejo	Intelligent industrial gear classification system based on computer Vision, convolutional neural networks, and a robotic Arm	Visión por computadora redes neuronales convolucionales robótica colaborativa ROS 2 clasificación inteligente engranes mecatrónica.
S4/5	Esther Elena Gutierrez Perez, Angeles Belem Priego Sánchez and Jahiro Samar Andrade Preciado	Implementation of semantic similarity metrics for machine translation output evaluation	Traducción automática similitud semántica distancia de Levenshtein BERTScore.
Pendiente	Lewys Correa	Hacia un modelo de encaminamiento en VANET integrando SDN y Aprendizaje Automático	Pendiente de agregar
Pendiente	Isaul Ibarra-Belmonte, Ezra Federico Parra-González, Héctor Cardona-Reyes and Jaime Muñoz-Arteaga	Proposal for an Operational Process-Oriented Assessment Framework for Educational Environments with AI Assistants	Programming education Generative artificial intelligence Process oriented assessment Large Language Models (LLMs) Cognitive offloading Computational thinking.
S3/8	Angela Marisol Melendez-Fuentes, Hestybalyz Jackelyn Fernandez-Cantu, Marco Aurelio Nuño-Maganda, Yahir Hernández-Mier and Said Polanco-Martagón	Comparativa de Reconocimiento Óptico de Caracteres utilizando Motores Tradicionales vs Modelos de Lenguaje a Gran Escala.	Escritura manual OCR Análisis comparativo Evaluación automatizada
S4/2	Alejandra Carolina Rodriguez Porras, Said Polanco Martagón, Yahir Hernández Mier and Marco Aurelio Nuño Maganda	Aphid Detection on Lemon Leaves using the FOMO Algorithm and the LeLePhid Dataset	Aphids Computer Vision LeLePhid FOMO Edge Impulse Object Detection Citriculture Edge Computing.
s1/3	Francisco-Javier Moreno-Vazquez and Felipe Trujillo-Romero	Benchmarking Molecular Descriptor Compression for Regression-Based ADMET Prediction	Cheminformatics ADMET Prediction Molecular Descriptors Dimensionality Reduction Machine Learning.
S3/10	Sergio Angel Rosas Gonzalez, Aldrin Barreto Flores, Salvador Eugenio Ayala Raggi and Marcos Alberto Martínez Ladrón de Guevara	Algorithm for the analysis of the entry angle in swimmers’ block starts using YOLO11n pose	Pose estimation YOLO11 computer vision biomechanics in swimming.
S4/6	Edilberto Vazquez Luna, María Claudia Denicia Carral, Diana Ivone Tapia López, Héctor Medina Cruz and Ana Luisa Ballinas Hernández	Pipeline de Integración de Datos Meteorológicos y de Campo Eléctrico para la Detección de Descargas Eléctricas en Puebla, México mediante Inteligencia Artificial	Minería de Datos ETL Detección de Rayos Descubrimiento de Patrones Árboles de Decisión
S3/9	Eduardo García Alvarado, Montserrat Cuapio Rodríguez, Jorge Agustín Limón Diaz, Cesar Yáñez Sánchez, Aldrin Barreto Flores, Jacinto Carvente Rodríguez and Salvador Eugenio Ayala Raggi	Automated Timing System for Speed Test Training Implemented via MESH Protocol	Sensors Electronic systems in athletics Measuring time.
S3/1	Iván Sosa Ramos, Aldrin Barreto Flores, Verónica Edith Bautista López and Salvador Eugenio Ayala Raggi	Herramienta didáctica basada en perceptrón para la comprensión del aprendizaje supervisado usando datos RGB	Aprendizaje supervisado perceptrón RGB herramienta educativa clasificación de color.
Pendiente	Monserrat Alejandra Herrera Pérez, Juana Deisy Santamaría Juárez, Dolores Guevara Espinosa, Teodoro Alarcón Ruiz, María Patricia Sánchez Bautista and Juan Díaz Téllez	Adaptive RBF Neural Network-Based Temperature Control for Greenhouse Climate	RBFNN Greenhouse Control Neural Network Microclimate
Pendiente	Jose Rodolfo Reyes Ramirez and Samuel Morales Garrido	Evaluación de Arquitecturas Convolucionales y Técnicas de Enfoque Visual para Detección de Cáncer de Mama en Entornos de Recursos Limitados	Pendiente de agregar
Pendiente	Carlos Ernesto Reyes Gonzalez, Yanet Aide Nava Manzano, Jorge Luis Sixto Roberto and Alex Saul Salas Tlapaya	La construcción de las primeras creencias docentes sobre inteligencia artificial: un estudio con docentes y directivos del Sector 08 de Telesecundarias Estatales de Puebla	teacher beliefs artificial intelligence educational innovation teacher professional development telesecundaria basic education.
S5/2	Juan Pablo Carrillo Restrepo, Andrés Fernando Jiménez Areiza, Abel Alejandro Rubin Alvarado, Alejandro Monroy Azpeitia, Víctor Adonis Almendra Hernandez and Juan Humberto Sossa Azuela	Arquitectura e implementación de un agente robótico multimodal embebido con aceleración por NPU para interacción y control en el borde	AI agents Edge AI Raspberry Pi Hailo-8 Human-Robot Interaction Vision-Language Models IoT embedded robotics
Pendiente	Joshua Iván Zavaleta Guerrero, Abel Alejandro Rubin Alvarado, Gabriela Aquino González, José Antonio Huerta Caballero and Juan Humberto Sossa Azuela	Resolución en tiempo real de cinemática inversa mediante redes neuronales supervisadas y control dinámico, para robots manipuladores	Pendiente de agregar
S5/1	Roode Saavedra Carrera, Erick Francisco Vargas, Juan Pablo González Mendoza, Jonathan Axel Cruz Vazquez, Abel Alejandro Rubin Alvarado, Víctor Adonis Almendra Hernandez, Jesús Yalja Montiel Pérez and Juan Humberto Sossa Azuela	Sistema de percepción y control basado en visión Artificial para la navegación autónoma de un robot móvil	robot movil percepción visual OpenCV Raspberry Py segmentación por color navegación autónoma.
Pendiente	Diego Angel San Martín Gómez, Ana Luisa Ballinas Hernández, Angel Ricardo Rendón Arenas, Héctor Medina Cruz and María Claudia Denicia Carral	Desarrollo de un videojuego serio como herramienta de gamificación para capacitación en entornos industriales	Capacitación Industrial Gamificación Juego Serio Herramienta Lúdica.
Pendiente	Ricardo Alvarado Jaimes, Annie Sofia Alvarado Fuentes, Jaime Calderon Ardila and Karol Sofia Dávila López	Resiliencia y Optimización de la Calidad de Servicio (QoS) en Redes Convergentes IoT-VoIP mediante Agrupamiento Jerárquico de Ward y un Nodo de Borde de Identidad Segregada	Pendiente de agregar
s1/8	Carlos Andres Castano Urrego, Jesús Eduardo Castellanos Águila and Daniel Garcia Ortega	Closed-Form Algebraic Surrogates for Ab Initio Electronic Structure Solutions in III-V Zincblende Semiconductors: An Explainable Symbolic Regression Framework for High-Throughput Structural Screening	density functional theory III-V semiconductors zincblende symbolic regression Explainable Artificial Intelligence r²SCAN PBE high-throughput screening.
Pendiente	Yoseline Torrealba, Arturo García Pérez, David Camarena Martínez and Ángel Díaz Pacheco	An Intelligent Framework for Rolling Bearing Fault Diagnosis Using the Synchroextracting Transform and Machine Learning	slewing bearing components outer ring anomaly normal operating condition mechanical oscillation monitoring SET-based spectral representation data-based categorization.
Pendiente	Jose J. Pantoja-Molina, David Camarena-Martinez, Angel Diaz-Pacheco and Martin Valtierra-Rodriguez	Efficient Method for Crack Classification in Wind Turbines Based on Multi-Task Learning and Vibration Features	Aerogeneradores Diagnóstico de Fallas Análisis de Vibración Aprendizaje Multitarea Perceptrón Multicapa Monitoreo de Salud Estructural.
S4/1	Marco Antonio Vizueth Morán, Sandra Luz Hernández Mendoza and Edgar Olguín Guzmán	Integración de la Inteligencia Artificial Generativa como Recurso Didáctico en la Educación Superior: Una Revisión Sistemática sobre Oportunidades, Desafíos y Tendencias Emergentes	Generative Artificial Intelligence (GenAI) Higher Education Educational Innovation Personalized Learning Assessment Academic Integrity AI Literacy Digital Transformation.
S4/7	Angeles Belém Priego-Sanchez, Luis Roberto Machorro Aguilar and Félix Sampedro Hernández	Automatic classification of Mexican legal labor documents	procesamiento de lenguaje natural aprendizaje profundo clasificación de textos en español documentos legales laborales.
S3/7	Leticia Gómez Rivera, José Juan Hernández Mora, Alan Augusto Gallegos Cuellar and Jorge Luis Castañeda Gutiérrez	Classification of Food Insecurity in Mexico: A Feature Selection and Machine Learning-Based Approach	Food insecurity Machine Learning Feature selection Classification SMOTE
Pendiente	Brandon Marquez-Salazar	Particles and Weed into the Swampland: Testing Metaheuristics Ability for Vacua Search in String Theory	String Theory Swampland BioInspired Algorithms NatureInspired Algorithms Metaheuristics Optimisation No Free Lunch Theorem PSO IWO Borda
s1/10	José Adrián Rodríguez González, Maria Isabel Rocha Vargas and Jesús Eduardo Castellanos Águila	Can a cat be combined? gouting the Schrödinger’s cat with python.	Quantum mechanics Python programming Atomic orbitals Interactive visualization
Pendiente	César Ricardo López Moyao, Victor Alejandro González Huitrón, Elizeth Ramírez Álvarez, Gabriela Pineda Chacón, Favian Orduña Suárez and Rafael Alvarado Ibáñez	No Avocados, No Paradise: A Deep Learning Approach Using Open Resources to Automate Land-Use Change Detection in Conservation Areas	Deep learning Land-use change detection Avocado crops Environmental monitoring Remote sensing Conservation areas Open geospatial resources Semantic segmentation.
s2/8	José de Jesús Angel Angel	Leyes de Escala, Razonamiento y la Agenda de IA para Laboratorios con Recursos Limitados	laboratorios con recursos limitados leyes de escala frontera relativa LoRA RAG verificadores externos SLM español técnico C_eff.
Pendiente	Mingyar Sebastian Alfaro Ramos and Orlando Javier Rodriguez Roque	Pensamiento Computacional	Pendiente de agregar
S2/6	Emiliano Antonio Arceo Márquez, Antonio Aguileta Güemez and Raúl Aguilar Vera	Detección automática del engaño basada en modalidad visual: estudio de mapeo sistemático	Detección del engaño Video Modalidad visual Aprendizaje automático Mapeo sistemático.
Pendiente	Juan de Dios Toribio-Casas, Alexis Gallegos-Acosta and Héctor Cardona-Reyes	Proposed software architecture for a multi-platform arthropod recognition and classification application using computer vision techniques.	Software Architecture Computer Vision Arthropods Deep Learning YOLOv8 MobileNetV3 Mobile Application.
Pendiente	Sebastian Melendez Sorrilla, Raúl Antonio Aguilar Vera, Juan P. Ucán Pech and Antonio Aguileta Güemez	Herramientas de IA Generativa para su aplicación en la enseñanza de programación	Pendiente de agregar
Pendiente	Irais Jaqueline Benitez Castillo	FRICTA: A Computational Framework for Measuring and Analyzing Digital Adoption Friction in Mexican Childcare Institutions.	FRICTA Digital Adoption Friction Computational Framework Organizational Digital Maturity Institutional Diagnostics Childcare Institutions
s2/9	Karen Gómez Archundia	Rodent biometric identification using computer vision and machine learning	Rodent biometric identification artificial vision machine learning BoW ORB descriptors HOG PCA MLP image preprocessing biometric recognition pattern recognition.
S1/1	Marcela de Los Ángeles Yanes Pérez, José Adán Hernández-Nolasco and Miguel A. Wister	Epsilon: An adaptive optimizer based on directional gradient similarity for image classification	adaptive optimization computer vision convergence speed deep learning accuracy.
S3/4	Victor Hugo Menendez-Dominguez, Endrick Alfredo Pool-Flores, María-Enriqueta Castellanos-Bolaños, Itzel Berenice Guerrero Alfaro and Jaime Muñoz Arteaga	Evaluación de la accesibilidad web en universidades públicas mexicanas mediante WCAG 2.2 y herramientas automatizadas de análisis	web accessibility WCAG 2.2 higher education digital inclusion website evaluation
S3/6	César Ricardo Alducin Ruiz, Daniela Bravo González, Rodrigo Farid López Córdoba, Emilio Azael Valencia López and Rafael González Reyes	Diseño Orientado a Objetos para la integración de modelos LLM en aplicaciones conversacionales	Diseño Orientado a Objetos Ingeniería de Prompts Modelos de Lenguaje Patrón Strategy Patrón Builder Benchmarking Calidad de Software SonarQube Java 17 Ollama.
Pendiente	Guillermo De Ita Luna and Estefania Varela Espinosa	The Four-Color Theorem: History, Educational Examples, and an Algorithmic Approximation	Teorema de los cuatro colores grafos planares teoría de grafos heurísticas.
Pendiente	Charles Fernando Velazquez Dodge and Sandra Elizabeth León Sosa	CAUS-Canvas: Abstracción del Modelo de Negocios Canvas mediante Casos de Uso y Clases Estereotipadas	Modelado de Negocios Business Model Canvas (BMC) Lenguaje de Modelado Unificado (UML) Casos de Uso Clases Estereotipadas..
s1/4	Sandra Elizabeth León Sosa and Charles Fernando Velazquez Dodge	Sistema Inteligente Basado en YOLOv9 para la Detección de Emociones en Entornos Educativos	YOLO emotion detection deep learning facial expression recognition PGI GELAN computer vision.
S3/2	Dalia Berenice Luna Coria, Jose Sergio Ruiz Castilla and Farid García Lamont	Clustering Aplicado a la Identificación Humana Usando un Perfil Humano Digital	Técnicas de agrupamiento Identificación humana Características físicas Perfil humano digital
s2/7	Guillermo De Ita Luna, Maribel González Rodríguez and Rolando Montalvo Serafin	Fraud Detection in Card Transactions Using End-to-End Heterogeneous Graph Neural Networks	heterogeneous graph neural networks fraud detection online transactions HANConv HGFraudNet Card-Not-Present
Pendiente	Emmanuel Zarco Zambrano and Guillermo De Ita Luna	Propuesta de una función de pérdida compuesta para detección de transacciones fraudulentas usando redes neuronales con grafos heterogéneos y un desbalance extremo de clases	detección de fraude función de pérdida compuesta grafos heterogéneos desbalance extremo.
s1/6	Samuel de Jesus Chávez Conde	Fuga de datos y brecha de generalización en la clasificación histopatológica de cáncer de pulmón: una evaluación rigurosa de arquitecturas CNN	deep learning histopathology lung cancer data leakage cross-domain generalization LC25000 LungHist700 DenseNet121 ResNet50.
S2/3	Ernesto de la Cruz Nicolás, Hugo Estrada-Esquivel, Alicia Martínez-Rebollar, Odette Alejandra Pliego Martínez and Salomón Moreno Reyes	Evaluación del impacto de los semáforos en la gestión del tráfico urbano en zonas de alta movilidad	Smart Traffic Lights Urban Traffic Management Traffic Congestion Mobility Simulation High Traffic Demand Areas
s1/5	Luis F. Villalobos-Uribe, Claudia Sifuentes-Gallardo, Luis C. Reveles-Gómez, José Félix Serrano-Talamantes and Carlos Avilés-Cruz	Desacoplamiento entre precisión y fidelidad explicativa: Evaluación cuantitativa de XAI en arquitecturas convolucionales ligeras para fitopatologías del maíz	Aprendizaje profundo agricultura de precisión modelos CNN ligeros aprendizaje por transferencia enfermedades foliares del maíz.
S2/5	Sergio Cáceres, Sergio Navarro and Daniel Hernández	Herramientas de Inteligencia Artificial aplicadas al Marketing Digital	Inteligencia Artificial Marketing Digital automatización comercio electrónico analítica digital optimización para motores generativos.
Pendiente	Edwin Santiago Paz Bedoya and Nathalia Orozco	Predicción del PROMEDIO_GLOBAL de Saber Pro mediante LightGBM y auditoría de fuga temporal: un estudio a nivel de programa académico en Colombia	Saber Pro predicción del rendimiento académico LightGBM fuga de información SHAP panel temporal educación superior colombiana.
s1/7	Emanuel Valencia-Martínez, Carlos Avilés-Cruz, Gabriel Celis-Escudero, Jose Félix Serrano-Talamantes and Claudia Sifuentes-Gallardo	Sistema embebido de detección de antracnosis en aguacate mediante visión artificial y redes neuronales convolucionales implementado en Raspberry Pi 5	Antracnosis Visión artificial Redes neuronales convolucionales Rasp berry Pi 5.
Pendiente	Fabian Valero Duque	P-INSEAT-L: subíndice reproducible para la medición longitudinal no intrusiva de la exposición cibernética externa derivada de filtraciones	cyber threat intelligence external cyber exposure leaked credentials attack surface management longitudinal analytics disclosure control.
Pendiente	Pedro Baeza	Sistema de Conteo y Monitoreo IoT con ESP32 e Interrupciones por Hardware para Ecosistemas 5.0	Pendiente de agregar
Pendiente	Ravikanth Amajala	An Agentic Retrieval-Augmented Forecasting Framework for India’s Automotive Market: Integrating Multi-Document Intelligence, Policy Analysis, and Time-Series Modeling	Pendiente de agregar
Pendiente	Jerusalen Estrada Ruiz, Abraham Sánchez López, Rogelio González Velazquez and Alfredo Toriz Palacios	Segmentación y rendimiento de ingenios azucareros mexicanos mediante aprendizaje automático	Pendiente de agregar
S4/8	Barbara Emma Sánchez Rinza	SIMULACIÓN DE PROTOCOLOS DE CRIPTOGRAFÍA CUÁNTICA BB84 Y E91	quantum cryptography BBB4 E91 Qubits Qiskit
Pendiente	Moises Gomez Diaz, Maricela Romero Huerta and Magdiel Pablo Cano	Impact of Artificial Intelligence on the Automation of Bibliographic Reference Tagging in SciELO Markup	artificial intelligence natural language processing editorial automation bibliographic reference tagging SciELO Markup JATS SciELO XML scholarly publishing.
Pendiente	Marya Idaeth Mora Diaz, Emiliano Castillo, Carolina Meza Hinojosa and Diego Rangel Raudales	Factors Affecting Academic Performance In University Students In Mexico	Pendiente de agregar
Pendiente	Coral Marina Torres Rangel, Paola Abigail Rodríguez Sepulveda and Alan Alberto Rodriguez Garza	Factors Associated with English as a Foreign Language Learning: The Impact of Mother Tongue Use, Student Motivation, and Input Exposure in UANL	Pendiente de agregar
Pendiente	Uriel López Aquino	Data Quality and Integration Model Based on Interoperability Standards to Strengthen the Reliability of Educational Analytics Systems	Pendiente de agregar
Pendiente	Noe Bautista	DISEÑO Y EVALUACION DE LA CAPA DE COMUNICACIÓN Y VISUALIZACION DE DATOS PARA LA DETECCION DE INDICADORES DE MATRICULA PARA UN SISTEMA DE ANALITICA EDUCATIVA.	Pendiente de agregar
S2/2	Adrián García-López, Bernardo David Nolasco-Vargas, Ana Marcela Herrera Navarro, Jorge Luis Perez Ramos, Hugo Jiménez Hernández, Daniel Canton-Enriquez and Selene Ramirez-Rosales	Identificación de Puntos Críticos de Flujos Peatonales mediante Clustering Jerárquico y la transformada Watershed	Visión por Computadora Dinámica Peatonal YOLOv8 Clustering Jerárquico Segmentación Watershed
Pendiente	Takerlin Gereidi Calderon Corvera	Desarrollo de una Aplicación Móvil con Arquitectura Híbrida y Persistencia Local para la Gestión Comercial, Inteligencia Financiera y Fidelización en Microempresas Colaborativas	Ingeniería de Software Persistencia Local Desarrollo Multiplataforma Sincronización en la Nube Inteligencia de Negocios.
s1/2	Kay Garcia Sanchez, Fernando Cárdenas González, Ana Rosa Ramírez López and Jorge Luis Pérez Ramos	Domain-Guided Lithological Reclassification for Geothermal Potential Mapping: A Case Study of Cerro Prieto	Geeospatial analysis Spatial data processing Geothermal potential mapping Dimensionality reduction
S2/1	Catalina Cruz-Salinas, Jorge Luis Perez Ramos, Daniel Canton-Enriquez, Luis Antonio Diaz-Jimenez, Hugo Jiménez Hernández and Selene Ramirez-Rosales	Tu Camino CC: Entorno de Realidad Virtual para el Manejo de la Ansiedad en Población Universitaria	Realidad Virtual Ansiedad Bienestar Emocional Atención Plena Respiración Guiada Entornos Naturales Virtuales Población Universitaria.

No se encontraron trabajos con ese criterio.

Resumen del trabajo

Automatic Respiratory Sound Classification Using STFT-CWT Fusion and BLNet-Inspired Two-Stage Training

Sala S2/4

Martin Eduardo Vazquez Diaz, Said Polanco Martagon, Yahir Hernández Mier and Marco Aurelio Nuño Maganda

sonidos respiratorios ICBHI 2017 aprendizaje profundo STFT CWT variable de bloqueo.

Resumen

La clasificación automática de sonidos respiratorios puede apoyar el análisis de eventos como crackles y wheezes, cuya identificación suele verse afectada por la variabilidad de las grabaciones y el desbalance entre clases. En este trabajo se evaluó una arquitectura inspirada en BLNet que combina representaciones STFT y CWT, ramas convolucionales multiescala, atención espacial y una variable asociada con la ubicación torácica. También se analizaron estrategias de aumento de datos y Mixup condicionado por región anatómica. La configuración final utilizó un entrenamiento en dos etapas: primero se aprendieron características acústicas y después se incorporó la variable de bloqueo mediante transferencia de pesos. El modelo fue evaluado sobre la base ICBHI 2017 mediante 12 corridas independientes. Se obtuvo una exactitud promedio de 52.08 %, un macro-F1 de 28.75 %, una sensibilidad de 25.27 %, una especificidad de 80.26 % y un Average Score de 52.77 %. Los resultados muestran una mejora respecto a las configuraciones anteriores, aunque persiste una diferencia importante entre la detección de ciclos normales y anormales.

Resumen del trabajo

Hilos virtuales vs. hilos de plataforma en Java 21: evaluación experimental del rendimiento y consumo energético bajo cargas CPU-bound e I/O-bound

Sala s2/10

Alán Aarón Barrón Sánchez

Virtual Threads Platform Threads Parallel Computing Energy Efficiency.

Resumen

Java 21 incorpora los hilos virtuales como un nuevo modelo de concurrencia orientado a mejorar la escalabilidad y reducir la sobrecarga asociada a los hilos tradicionales. Sin embargo, aún existe evidencia limitada sobre su comportamiento ante cargas de trabajo con características distintas. En este estudio se realiza una evaluación experimental de los hilos virtuales y los hilos de plataforma mediante dos escenarios representativos: multiplicación de matrices densas, como carga CPU-bound, y filtrado de archivos CSV, como carga I/O-bound. Ambas implementaciones fueron desarrolladas bajo condiciones equivalentes utilizando Java 21 y evaluadas en la misma plataforma de hardware, considerando el tiempo de ejecución, la energía acumulada en matrices (Wh) y la potencia eléctrica observada en CSV (W). Los resultados muestran que, en la multiplicación de matrices, los hilos virtuales redujeron el tiempo de ejecución hasta en un 89 % y el consumo energético cerca del 90 % respecto a los hilos de plataforma. En el filtrado de archivos CSV, ambos modelos presentaron un comportamiento similar, con diferencias marginales conforme aumentó el tamaño de los archivos. Los resultados evidencian que la conveniencia de cada modelo depende de la naturaleza de la carga de trabajo y proporcionan criterios prácticos para seleccionar una estrategia de concurrencia en aplicaciones desarrolladas con Java 21.

Resumen del trabajo

Visual Explainability in the Classification of Acute Myeloid Leukemia

Sala S4/3

Rocio Ochoa-Montiel, Mauricio Romano-Rodríguez, Freddy Montalvo-Galicia and Perfecto-Malaquías Quintero-Flores

Leukemia Deep learning Visual explainability.

Resumen

Computer-assisted support systems in the medical field have seen extensive development due to the use of artificial intelligence models, such as deep learning approaches, which can achieve high performance metrics; however, the reliability of the results provided by these models is limited. One of the main reasons is the difficulty or impossibility of understanding the decision-making process used to generate the results. Given this challenge, visual explainability methods offer an alternative for a qualitative evaluation of the results obtained by these models. Based on this issue, this paper addresses a problem of interest in the medical field: the identification of types of leukemia from images. Specifically, it focuses on the classification of acute myeloid leukemia using seven deep learning models based on convolutional neural networks, and two visual explainability methods are employed for a qualitative analysis of the results obtained. The findings show that the high performance of some models—which in some cases reaches 92.0% accuracy—is often not correlated with the regions of interest in the image that a human expert uses to identify the disease.

Resumen del trabajo

CATDRIVE: Aplicación Móvil con Reconocimiento Facial para la Detección de Somnolencia y Posible Estado de Ebriedad en Conductores

Sala S4/4

Paula Alejandra Castaneda Sanchez, Anau Ortiz Guerrero, José Félix Serrano Talamantes and Mauricio Olguín Carbajal

reconocimiento facial detección de somnolencia seguridad vial visión por computadora aplicación móvil MediaPipe.

Resumen

Los accidentes viales son una de las principales causas de muerte en México, siendo la somnolencia y el consumo de alcohol dos de los factores de riesgo más relevantes asociados al conductor. En este artículo se presenta CATDRIVE, una aplicación móvil prototipo que emplea reconocimiento facial para detectar signos de somnolencia y posible estado de ebriedad en tiempo real. El sistema está compuesto por una interfaz móvil desarrollada en Flutter y un servidor de detección desarrollado en Python con FastAPI, comunicados mediante un canal WebSocket. Los fotogramas capturados por la cámara del celular se procesan con MediaPipe Face Mesh para calcular parámetros biométricos como el EAR (Eye Aspect Ratio) y el MAR (Mouth Aspect Ratio), permitiendo clasificar el estado del conductor en normal, somnolencia o posible ebriedad. En casos críticos, se envía automáticamente una alerta de emergencia con ubicación GPS a un contacto de confianza mediante Telegram. La aplicación se desarrolló mediante una metodología ágil incremental y fue evaluada en condiciones controladas, alcanzando una eficacia del 90% en la detección de somnolencia.

Resumen del trabajo

Edge AI for Network Management and Optimization in 5G and 6G Networks: A Systematic Literature Review

Sala S3/3

Roberto Morales, Carlos Chanto, Tatiana Alvarez and Enrique Gómez

Edge AI Edge Intelligence Network Management Network Optimization 5G Networks 6G Networks Internet of Things (IoT) Machine Learning Computing methodologies Computer systems organization → Edge computing.

Resumen

Este estudio presenta una revisión sistemática de la literatura sobre las aplicaciones de la Inteligencia Artificial en el Borde (Edge AI) para la gestión y optimización de redes en las redes de comunicación de próxima generación. La literatura fue recopilada mediante búsquedas realizadas en junio de 2026 utilizando Publish or Perish, a través de Crossref y Google Scholar. El corpus final está compuesto por 24 estudios, de los cuales 19 fueron publicados entre 2021 y 2025, mientras que cinco trabajos anteriores, publicados entre 2018 y 2020, fueron conservados con el propósito de proporcionar un contexto histórico. La mayoría de las publicaciones seleccionadas corresponden a artículos de revisión y estudios de tipo survey. No se realizó un metaanálisis ni una evaluación formal de la calidad de los estudios. Los resultados muestran que el aprendizaje automático (Machine Learning), el aprendizaje federado (Federated Learning), el aprendizaje por refuerzo (Reinforcement Learning) y el aprendizaje profundo (Deep Learning) son las técnicas más frecuentemente abordadas en la literatura. Estos enfoques se han aplicado en áreas como la gestión de recursos, la seguridad y privacidad, la inteligencia en el borde (Edge Intelligence) y la inteligencia de redes 6G. De acuerdo con los estudios revisados, entre los beneficios más frecuentes se encuentran la reducción de la latencia, un uso más eficiente de los recursos, la mejora de la calidad de los servicios y una mayor eficiencia energética. Al mismo tiempo, se identifican desafíos recurrentes relacionados con las limitaciones computacionales, la privacidad, la interoperabilidad, la escalabilidad y la confiabilidad. La revisión también destaca diversas líneas emergentes, entre ellas las redes basadas en gemelos digitales (Digital Twin Networks), la inteligencia artificial explicable (Explainable AI), la inteligencia artificial generativa y los grandes modelos de lenguaje (Large Language Models, LLMs), así como Open RAN. Estas tendencias reflejan la evolución hacia modelos de gestión de redes cada vez más distribuidos y autónomos.

Resumen del trabajo

MatchLab: Una herramienta interactiva de evaluación comparativa para descriptores de características y tuberías de emparejamiento de imágenes

Sala Pendiente de asignar

Jared Everardo Reyes Pérez, Kevin Cortés Girón, Denise Montserath Mejía German, Zayra Reyes Vera, Emiliano Kaled Merodio Melendez, Daniel Villegas Piña, Abel Alejandro Rubin Alvarado, Jonathan Axel Cruz Vazquez, Víctor Adonis Almendra Hernandez, Saulo Abraham Gante Díaz and Jesús Yalja Montiel Pérez

Image matching Computer Vision Deep learning

Resumen

El problema de la correspondencia de imágenes es, en la actualidad, un problema abierto en el ámbito de la visión artificial; consiste en establecer correspondencias entre dos imágenes para recuperar la estructura de una escena 3D y la geometría de la cámara. Estos algoritmos constituyen, en la visión artificial, una pieza fundamental para una amplia gama de aplicaciones, entre las que se incluyen la reconstrucción 3D, la localización y mapeo simultáneos (SLAM), la recuperación de imágenes y el reconocimiento de objetos. Los recientes avances en el aprendizaje profundo han mejorado la precisión de estos métodos. En este trabajo proponemos una comparación experimental entre diferentes métodos SOTA (estado del arte) aplicados a tres conjuntos de datos, utilizando distintas métricas para evaluar su rendimiento. Nuestro análisis pone de manifiesto que la correspondencia de imágenes es un problema abierto y sirve como punto de referencia para futuras propuestas.

Resumen del trabajo

Detección de enfermedades del maíz y otros cultivos mediante visión por computadora y técnicas de aprendizaje profundo

Sala s1/9

Edgar Rodrigo Arredondo Basurto, José Félix Serrano Talamantes, Mauricio Olguín Carbajal, Juan Carlos Herrera Lozada, Miguel Hernández Bolaños and Israel Rivera Zarate

Aprendizaje profundo PyTorch Maíz Detección de enfermedades

Resumen

El cultivo de maíz es importante para la economía del país, tal es así que México es el séptimo productor a nivel mundial. Sin embargo, desde 2024 hubo un descenso significativo de la producción nacional a 23.3 millones de toneladas, por diversos factores, tales como alza de las importaciones, sequías, reducción de la superficie destinada al cultivo, plagas o enfermedades, entre otros.Las plagas y enfermedades son algunas de las principales causas que afectan de forma negativa la producción del maíz, en virtud de que se han vuelto más fuertes y resistentes debido al cambio climático. Por ello, la oportuna identificación de las plagas y enfermedades es importante para facilitar su contención y mitigar su impacto. En el presente trabajo se desarrolló un sistema con algoritmos de aprendizaje profundo que permite identificar enfermedades en los cultivos de maíz. De esta forma el agricultor con poca o nula experiencia en plagas o enfermedades, podrá identificar la enfermedad correspondiente cuando aún esté en niveles bajos y evitará que se produzcan daños importantes. Los resultados muestran un 99.04% de eficiencia de clasificación, lo que destaca su viabilidad de implementación en aplicaciones agrícolas.

Resumen del trabajo

Competencias Transversales en Ingeniería Informática: Ética, Responsabilidad Social e Impacto Ambiental a través de Proyectos Interdisciplinarios

Sala S3/5

Pablo Deymonnaz, Diego Kingston and Juan Bono

competencias transversales ética en ingeniería responsabilidad social impacto ambiental proyectos interdisciplinarios inteligencia artificial educación en ingeniería.

Resumen

En el plan de Estudios 2023 de la carrera de Ingeniería en Informática de la Facultad de Ingeniería de la Universidad de Buenos Aires (FIUBA) se incorporan competencias transversales tales como ética profesional, el impacto ambiental y la responsabilidad social. Sin embargo, como ocurre frecuentemente en los diseños curriculares por competencias, estas dimensiones quedan definidas como responsabilidad compartida de la carrera en su conjunto, sin asignación a ninguna asignatura en particular. En este trabajo se analiza cómo la asignatura Taller de Programación, que desempeña el papel de proyecto integrador intermedio de la carrera, implementa el desarrollo de estas competencias de manera orgánica a través de proyectos interdisciplinarios en colaboración con laboratorios y cátedras de otras especialidades de ingeniería. Se examina cómo los proyectos con destinatarios concretos, incluyendo el desarrollo de laboratorios simulados para ingeniería química, contribuciones a proyectos de software libre y software para departamentos de otras disciplinas, generan condiciones para la reflexión ética, la conciencia del impacto ambiental y el compromiso con la comunidad universitaria. Se analiza además la dimensión ética del uso de inteligencia artificial generativa en el marco de la asignatura como instancia explícita de formación en ética tecnológica. Los resultados preliminares, basados en la experiencia del primer cuatrimestre de 2026, sugieren que el diseño interdisciplinario con destinatarios reales es una estrategia eficaz para materializar competencias transversales que de otro modo permanecerían como enunciados declarativos en el plan de estudios.

Resumen del trabajo

Evaluación del Impacto Operativo y de la Experiencia de Usuario de una Plataforma Web Progresiva con Asistente Conversacional en Cafeterías Escolares

Sala Pendiente de asignar

Judith Pérez Marcial, Ana Luisa Ballinas Hernández, María Claudia Denicia Carral, Javier Flores Méndez and Jesús Martínez Romero

Aplicación Web Progresiva Asistente Conversacional Procesamiento de Lenguaje Natural Usabilidad.

Resumen

Se describe el desarrollo e implementación de una plataforma web progresiva (PWA) con asistente conversacional basado en NLP, y la evaluación de su impacto operativo y experiencia de usuario en la cafetería de una institución pública de educación superior. Las cafeterías escolares en México enfrentan ineficiencias operativas crónicas debido a la dependencia de procesos manuales, afectando la experiencia de usuario en periodos de demanda pico. Se adoptó un enfoque mixto: desarrollo tecnológico y validación empírica con diseño transversal descriptivo, muestreo no probabilístico por conveniencia (N=94) e instrumento de 22 ítems validado con el Alfa de Cronbach. La evaluación obtuvo satisfacción general de 3.98/5 y disposición a recomendar de 4.24/5. Se concluye que la integración de PWAs con asistentes de IA optimiza la autogestión de pedidos en entornos educativos, estableciendo una ruta clara para la mitigación de cuellos de botella mediante la optimización de infraestructura en el lado del servidor.

Resumen del trabajo

LIBS system with convolutional neural networks 1D for the identification of copper in agricultural products

Sala S4/10

Eugenio Cuevas

Laser-Induced Breakdown Spectroscopy (LIBS) 1D-Convolutional Neural Networks (1D-CNN) Hybrid Pooling Heavy Metal Detection Food Safety Agricultural Products Spectral Preprocessing.

Resumen

La presencia de metales pesados en productos agrícolas destinados para el consumo humano, como lo pueden ser los productos agrícolas representa un riesgo significativo para la salud y para el medio ambiente. Este proyecto propone el desarrollo de un sistema para la identificación, microdestructiva, de cobre en productos agrícolas. La metodología integra el uso de redes neuronales con espectroscopía por ablación láser (LIBS) para superar las limitaciones de los métodos convencionales, los cuales suelen ser costosos y requieren de una preparación compleja de la muestra. El sistema propuesto utiliza un láser Nd:Yag para realizar la ablación y un espectrómetro LIBS 2500+ para realizar la captura espectral, junto con la integración de una montura mecánica diseñada mediante impresión 3D y torno para la recolección de datos. Posteriormente las señales espectrales son procesadas mediante modelos de aprendizaje automático con el propósito de evaluar su capacidad para identificar patrones asociados con metales pesados. En la evaluación del modelo sobre el conjunto de prueba independiente se alcanzó una exactitud del 99.24%, registrando una precisión macro de 0.9923, una sensibilidad macro de 0.9925 y un F1-Score macro de 0.9924. Los resultados preliminares sugieren que la integración de LIBS y CNN-1D puede contribuir al desarrollo de sistemas rápidos de inspección para productos agrícolas.

Resumen del trabajo

Intelligent industrial gear classification system based on computer Vision, convolutional neural networks, and a robotic Arm

Sala S4/9

Alexis Trejo

Visión por computadora redes neuronales convolucionales robótica colaborativa ROS 2 clasificación inteligente engranes mecatrónica.

Resumen

La clasificación manual en líneas de producción industrial es un proceso lento y limitado por la fatiga del operario, lo que eleva las tasas de error y afecta la trazabilidad. Aunque la visión artificial estática aporta velocidad, las cámaras fijas convencionales se ven limitadas por puntos ciegos, reflejos metálicos y la incapacidad de manipular objetos. Para resolver esta problemática, el presente proyecto implementa un sistema inteligente de clasificación integrando una cámara Logitech C920 y un brazo robótico TM5-700 en configuración "ojo en la mano" operando bajo ROS 2. Mediante un dataset de 1200 imágenes, se entrenó una Red Neuronal Convolucional (CNN) para clasificar tres tipos de engranes logrando una precisión global del 99%. Al funcionar en tiempo real, el sistema alcanzó un tiempo de ciclo promedio de 22 segundos por engrane, superando drásticamente los tiempos manuales (de hasta 82 segundos) con un nivel de fiabilidad superior al 97%. Aunque el sistema alcanzó una precisión alta en condiciones controladas, se observó una disminución del desempeño bajo reflejos metálicos intensos, por lo que la robustez ante iluminación sigue siendo un aspecto por mejorar.

Resumen del trabajo

Implementation of semantic similarity metrics for machine translation output evaluation

Sala S4/5

Esther Elena Gutierrez Perez, Angeles Belem Priego Sánchez and Jahiro Samar Andrade Preciado

Traducción automática similitud semántica distancia de Levenshtein BERTScore.

Resumen

En los últimos años, el desarrollo y la evolución de sistemas de traducción automática ha cambiado significativamente la práctica traductológica. El uso de estas herramientas es cada vez más frecuente porque facilita el proceso traductor y las traducciones generadas son más naturales. No obstante, la naturalidad no siempre es sinónimo de calidad. Este artículo analiza la calidad de las traducciones generadas por un gran modelo de lenguaje (ChatGPT) y dos sistemas de traducción automática neuronal (Google Translate y DeepL) a partir de un texto científico de divulgación. El análisis contempla dos dimensiones: 1) el esfuerzo de posedición calculado con la distancia de Levenshtein, y 2) la similitud semántica medida con BERTScore. Los resultados obtenidos con respecto al esfuerzo de posedición indican que DeepL obtuvo el menor porcentaje de 4.93%, seguido por ChatGPT con 12.56% y Google Translate con 13.24%. Con respecto a la similitud semántica, Google Translate obtuvo el mayor porcentaje de 98.74%, seguido de DeepL con 98.54 y ChatGPT con 98.03%. Los resultados de las métricas demuestran que las tres herramientas evaluadas son capaces de generar traducciones con gran similitud semántica y relativamente poco esfuerzo de posedición.

Resumen del trabajo

Proposal for an Operational Process-Oriented Assessment Framework for Educational Environments with AI Assistants

Sala Pendiente de asignar

Isaul Ibarra-Belmonte, Ezra Federico Parra-González, Héctor Cardona-Reyes and Jaime Muñoz-Arteaga

Programming education Generative artificial intelligence Process oriented assessment Large Language Models (LLMs) Cognitive offloading Computational thinking.

Resumen

Generative artificial intelligence is changing how programming assignments can be used as evidence of what students really understand. This study reviews 28 publications about automated assessment, AI-supported feedback, student interaction with code-generating models, and authentic assessment in programming education. The literature shows three repeated concerns: the limits of judging learning only from the final code, the need to observe the development process, and the importance of separating useful AI support from uncritical dependence. Based on these findings, this paper proposes a process-oriented assessment framework. It combines the functional review of the submitted code with Git development history, a short critical record of relevant AI interactions, and a brief synchronous defense. The purpose is to keep the benefits of generative AI while making student reasoning, checking, and understanding more visible. The proposal is presented as a practical base that can later be tested and improved in real classroom settings.

Resumen del trabajo

Comparativa de Reconocimiento Óptico de Caracteres utilizando Motores Tradicionales vs Modelos de Lenguaje a Gran Escala.

Sala S3/8

Angela Marisol Melendez-Fuentes, Hestybalyz Jackelyn Fernandez-Cantu, Marco Aurelio Nuño-Maganda, Yahir Hernández-Mier and Said Polanco-Martagón

Escritura manual OCR Análisis comparativo Evaluación automatizada

Resumen

Este trabajo compara motores de Reconocimiento Óptico de Caracteres (OCR) tradicionales frente a Modelos de Lenguaje a Gran Escala (LLMs) a escritura a mano en español. Evaluamos un corpus de 30 muestras escritas a mano, digitalizadas sobre tres tipos de soporte: hoja blanca, de raya y cuadriculada. Se evaluaron dos motores clásicos (Tesseract, EasyOCR) junto con tres LLMs comerciales: Gemini, GPT-4o y Claude. Como métricas se usaron la Tasa de Error de Palabras (WER), la Tasa de Error de Caracteres (CER) y un análisis de congruencia léxica palabra por palabra. Los resultados muestran una diferencia entre ambos enfoques. Los OCR clásicos se degradan fuertemente frente al ruido geométrico del papel, llegando a un WER de 115.50% en las hojas cuadriculadas. Los LLMs, en cambio, resisten mucho mejor ese tipo de interferencia visual. Claude fue el mejor: incluso en los escenarios con más ruido, mantuvo el WER por debajo de 13.80%.

Resumen del trabajo

Aphid Detection on Lemon Leaves using the FOMO Algorithm and the LeLePhid Dataset

Sala S4/2

Alejandra Carolina Rodriguez Porras, Said Polanco Martagón, Yahir Hernández Mier and Marco Aurelio Nuño Maganda

Aphids Computer Vision LeLePhid FOMO Edge Impulse Object Detection Citriculture Edge Computing.

Resumen

Pest management is important for production and fruit quality, since pests pose a major threat by feeding on sap and transmitting viruses. This work proposes an aphid detection system for lemon leaves based on the FOMO (Faster Objects, More Objects) algorithm trained on the LeLePhid dataset, which contains 665 images captured under real agricultural conditions. We trained and validated the model using the Edge Impulse platform, achieving an F1 score of 0.36 with the int8-quantized model on low-resource devices, thus enabling automated field monitoring.

Resumen del trabajo

Benchmarking Molecular Descriptor Compression for Regression-Based ADMET Prediction

Sala s1/3

Francisco-Javier Moreno-Vazquez and Felipe Trujillo-Romero

Cheminformatics ADMET Prediction Molecular Descriptors Dimensionality Reduction Machine Learning.

Resumen

La predicción de propiedades de absorción, distribución, metabolismo, excreción y toxicidad (ADMET) mediante descriptores moleculares emplea representaciones que pueden contener información redundante. Este estudio evalúa el efecto de comprimir descriptores de RDKit sobre el desempeño de la regresión ADMET. Se analizaron cuatro variables de respuesta del Therapeutics Data Commons: solubilidad acuosa, unión a proteínas plasmáticas, depuración microsomal y toxicidad aguda (LD50). Cada molécula se representó mediante 217 descriptores calculados a partir de SMILES, transformados con un logaritmo con signo y estandarizados. Se compararon el análisis de componentes principales (PCA), la descomposición en valores singulares truncada (Truncated SVD), la aproximación y proyección uniforme de variedades (UMAP) y un autoencoder basado en un perceptrón multicapa en siete dimensiones latentes, de 2 a 128 componentes. Cada representación se evaluó con XGBoost mediante validación cruzada de cuatro particiones repetida dos veces, utilizando RMSE, MAE y R² como métricas de desempeño. El conjunto completo de descriptores obtuvo el mejor desempeño predictivo en todas las variables de respuesta. Las mejores configuraciones comprimidas utilizaron PCA o Truncated SVD con 32 o 128 componentes, con incrementos del RMSE de 4.62% a 8.31% respecto a la referencia sin compresión. El autoencoder no superó consistentemente a los métodos lineales, mientras que UMAP obtuvo resultados predictivos inferiores. Estos resultados respaldan el uso de PCA y Truncated SVD como métodos de referencia competitivos para reducir la dimensionalidad de los descriptores, limitando el aumento del error de predicción en las tareas de regresión ADMET evaluadas.

Resumen del trabajo

Algorithm for the analysis of the entry angle in swimmers’ block starts using YOLO11n pose

Sala S3/10

Sergio Angel Rosas Gonzalez, Aldrin Barreto Flores, Salvador Eugenio Ayala Raggi and Marcos Alberto Martínez Ladrón de Guevara

Pose estimation YOLO11 computer vision biomechanics in swimming.

Resumen

Este artículo pretende mostrar el desarrollo de una herramienta de flujo de trabajo de visión por computadora para medir automáticamente el ángulo de entrada al agua de un nadador usando el modelo de estimación de pose YOLO11n-pose en combinación de una lógica geométrica, partiendo de una videograbación de entrada en formato mp4 de atletas del equipo de natación universitario de la BUAP en la alberca olímpica para el análisis de la biomecánica de salidas del bloque por parte del entrenador. El pipeline calibra una línea de referencia manualmente por parte del usuario, luego se procesa cada cuadro de imagen para extraer los puntos clave (hombros y tobillos). Se define un vector corporal entre el punto medio de los puntos clave de los hombros y el de los tobillos y se calcula el ángulo de incidencia respecto a la horizontal de referencia para posteriormente normalizarlo a un intervalo de 0 a 90 grados. Una bandera definida a partir un umbral de la fase horizontal, basado en un rango angular menor a 10°, activa la captura de cuadros de imagen solamente cuando el nadador realiza una transición de la fase de salida a la fase de entrada al agua cuando el ángulo se encuentra en un rango de 30° a 45° una vez iniciada la fase de entrada. El algoritmo genera tres salidas: capturas individuales de los cuadros de imagen de interés que entran en el rango angular para una técnica correcta; un video anotado con los ángulos en todas las fases de la salida y registros del ángulo con el cuadro de imagen correspondiente en formato de tabla CSV. Los resultados experimentales en videos de salidas del bloque demuestran que el sistema distingue correctamente entre la fase de despegue y entrada, captura los momentos dentro del rango angular y proporciona retroalimentación de la biomecánica cuantitativa para el análisis de desempeño por parte del entrenador.

Resumen del trabajo

Pipeline de Integración de Datos Meteorológicos y de Campo Eléctrico para la Detección de Descargas Eléctricas en Puebla, México mediante Inteligencia Artificial

Sala S4/6

Edilberto Vazquez Luna, María Claudia Denicia Carral, Diana Ivone Tapia López, Héctor Medina Cruz and Ana Luisa Ballinas Hernández

Minería de Datos ETL Detección de Rayos Descubrimiento de Patrones Árboles de Decisión

Resumen

Las descargas eléctricas atmosféricas representan un riesgo para la infraestructura, la seguridad humana y los sistemas de telecomunicaciones. En este trabajo se presenta un pipeline de integración y análisis de datos provenientes de tres fuentes de datos, una estación meteorológica, un medidor de campo eléctrico atmosférico y un registro de eventos de rayo. El pipeline, desarrollado en el lenguaje de programación Go, cuenta con un proceso estructurado que va desde el preprocesamiento de los datos hasta el descubrimiento de reglas. Sobre estos conjuntos se aplicó el algoritmo de árbol de decisión J48 para la identificación de patrones y reglas de clasificación asociadas a la ocurrencia de descargas atmosféricas. Los resultados indican que las variables lluvia, punto de rocío, velocidad promedio del viento y presión barométrica son las más determinantes para la detección de descargas en la región, alcanzando un F-measure de hasta 0.96. Este trabajo contribuye con una metodología replicable de integración de datos atmosféricos heterogéneos y un conjunto de reglas interpretables de utilidad práctica para sistemas de alerta temprana ante descargas eléctricas.

Resumen del trabajo

Automated Timing System for Speed Test Training Implemented via MESH Protocol

Sala S3/9

Eduardo García Alvarado, Montserrat Cuapio Rodríguez, Jorge Agustín Limón Diaz, Cesar Yáñez Sánchez, Aldrin Barreto Flores, Jacinto Carvente Rodríguez and Salvador Eugenio Ayala Raggi

Sensors Electronic systems in athletics Measuring time.

Resumen

El presente trabajo tiene como objetivo resolver una problemática en el área de atletismo que parte de la falta de sistemas accesibles y precisos para el entrenamiento de los deportistas, notándose en la evaluación de tiempos de los atletas. Partiendo de ahí se pensó en el desarrollo de un sistema eficiente y práctico para esta área. La metodología del sistema consiste en el diseño e implementación de un sistema electrónico que parte de dos nodos de red que operan de manera coordinada. La arquitectura del sistema está bajo el protocolo MESH para una comunicación inalámbrica, directa y estable entre dos microcontroladores XIAO ESP32-C6, cada nodo cuenta con sensores ultrasónicos para detectar el paso del atleta, y adaptando una pantalla LCD en el nodo de inicio para tener de manera visual el tiempo cronometrado del corredor. Dicho prototipo mostró una mejora en la precisión y confiabilidad de las mediciones, permitiendo obtener mediciones con milésimas de segundos, obteniendo una medición práctica y eficiente para el entrenamiento de los atletas.

Resumen del trabajo

Herramienta didáctica basada en perceptrón para la comprensión del aprendizaje supervisado usando datos RGB

Sala S3/1

Iván Sosa Ramos, Aldrin Barreto Flores, Verónica Edith Bautista López and Salvador Eugenio Ayala Raggi

Aprendizaje supervisado perceptrón RGB herramienta educativa clasificación de color.

Resumen

En este trabajo se describe una aplicación de escritorio para explicar cómo funciona un perceptrón mediante un ejercicio de clasificación de colores. Se seleccionan valores RGB como entradas porque cada muestra numérica se puede comparar con un color que el estudiante puede observar, ya sea escribiendo los números a mano o leyéndolos con un sensor TCS34725 conectado a una tarjeta Arduino Uno. Durante el entrenamiento la pantalla despliega la muestra activa, la suma ponderada, la clase encontrada, el error, los pesos, el sesgo y el plano de decisión, de modo que los cálculos que normalmente quedan ocultos detrás de un botón de entrenamiento se vuelven visibles, y las pruebas funcionales que se hicieron comprobaron la comunicación serial, el registro de las muestras, la actualización de los parámetros y la clasificación de entradas nuevas.

Resumen del trabajo

Adaptive RBF Neural Network-Based Temperature Control for Greenhouse Climate

Sala Pendiente de asignar

Monserrat Alejandra Herrera Pérez, Juana Deisy Santamaría Juárez, Dolores Guevara Espinosa, Teodoro Alarcón Ruiz, María Patricia Sánchez Bautista and Juan Díaz Téllez

RBFNN Greenhouse Control Neural Network Microclimate

Resumen

This article presents an adaptive intelligent control system based on a Radial Basis Function Neural Network (RBFNN) for controlling environmental variables critical to crop development. The proposed control scheme combines Proportional-Integral-Derivative (PID) control with an RBFNN for precise temperature regulation, aiming to foster optimal crop growth. The RBFNN enables the estimation and compensation of endogenous and exogenous greenhouse disturbances. Simulation results demonstrate that the proposed control system adapts to external environmental changes, significantly improving tracking performance and stability in the face of climatic variations.

Resumen del trabajo

La construcción de las primeras creencias docentes sobre inteligencia artificial: un estudio con docentes y directivos del Sector 08 de Telesecundarias Estatales de Puebla

Sala Pendiente de asignar

Carlos Ernesto Reyes Gonzalez, Yanet Aide Nava Manzano, Jorge Luis Sixto Roberto and Alex Saul Salas Tlapaya

teacher beliefs artificial intelligence educational innovation teacher professional development telesecundaria basic education.

Resumen

La incorporación de la inteligencia artificial (IA) en la educación ha transformado las prácticas docentes; sin embargo, aún son limitados los estudios que analizan las creencias construidas por el profesorado durante su primer acercamiento a estas tecnologías. El presente estudio analiza las primeras creenciae2s sobre la IA manifestadas por docentes, directivos y figuras de supervisión que participaron en una capacitación realizada el 30 de enero de 2024 en la Telesecundaria Felipe Ángeles, en Acatzingo, Puebla. La investigación adopta un enfoque mixto con predominio interpretativo. Se aplicó un instrumento a 112 participantes del Sector 08 de Telesecundarias Estatales de Puebla, quienes, en su mayoría, experimentaban su primer contacto con herramientas de IA generativa como ChatGPT y Microsoft Copilot. Los resultados preliminares muestran que las creencias iniciales, estuvieron marcadas por incertidumbre, percepción de complejidad y preocupación por el impacto de la IA en la practica docente; no obstante, también fue reconocida como una herramientas de apoyo para la planeación, el diseño de materiales didácticos y la innovación educativa. Se puede determinar que la comprensión de estas creencias implica elementos claves para dirigir procesos de formación docente que ayuden a una incorporación ética, crítica y con pertinencia pedagógica de la inteligencia artificial

Resumen del trabajo

Arquitectura e implementación de un agente robótico multimodal embebido con aceleración por NPU para interacción y control en el borde

Sala S5/2

Juan Pablo Carrillo Restrepo, Andrés Fernando Jiménez Areiza, Abel Alejandro Rubin Alvarado, Alejandro Monroy Azpeitia, Víctor Adonis Almendra Hernandez and Juan Humberto Sossa Azuela

AI agents Edge AI Raspberry Pi Hailo-8 Human-Robot Interaction Vision-Language Models IoT embedded robotics

Resumen

Este artículo presenta la implementación de BMO, un asistente virtual embebido desplegado en una Raspberry Pi 5 con una unidad de procesamiento neuronal Hailo-8L. El prototipo integra interacción por voz local, generación de texto con Ollama, memoria vectorial, búsqueda web, sensado ambiental mediante DHT11, una Pi Camera, una pantalla TFT para el rostro expresivo y movilidad diferencial controlada por un puente H L298N. El software organiza estas capacidades mediante un agente basado en LangGraph que enruta las solicitudes hacia conversación, visión, memoria, búsqueda, apoyo especializado en robótica y lectura de sensores. La visión por computadora se emplea para detección de personas/rostros y seguimiento de persona, mientras que la capa de movilidad envía comandos PWM a la plataforma móvil. El sistema resultante muestra cómo el hardware de IA en el borde puede sostener un robot acompañante multimodal, con operación local y capacidades de interacción conversacional y física.

Resumen del trabajo

Sistema de percepción y control basado en visión Artificial para la navegación autónoma de un robot móvil

Sala S5/1

Roode Saavedra Carrera, Erick Francisco Vargas, Juan Pablo González Mendoza, Jonathan Axel Cruz Vazquez, Abel Alejandro Rubin Alvarado, Víctor Adonis Almendra Hernandez, Jesús Yalja Montiel Pérez and Juan Humberto Sossa Azuela

robot movil percepción visual OpenCV Raspberry Py segmentación por color navegación autónoma.

Resumen

Este artículo presenta el desarrollo de un módulo de percepción visual y control para un robot móvil de tracción diferencial, orientado a tareas básicas de navegación autónoma sobre una plataforma embebida con Raspberry Pi. El sistema integra una cámara RGB-D, bibliotecas de OpenCV y una etapa de potencia basada en el circuito integrado L298N. El módulo captura imágenes en tiempo real las cuales se someten a un pipeline de procesamiento que incluye conversión de espacio de color, filtrado gaussiano, operaciones morfológicas, detección de contronos y estimación del centroide del objetivo. La información posicional resultante se utiliza para emitir comandos de movimientos básicos: avanzar, corregir dirección o detenerse. Adicionalmente, se desarrolló una aplicación web que permite controlar el robot. Los resultados obtenidos muestran una base funcional para futuras mejoras en el procesamiento de profundidad, detección de objetos y navegación autónoma.

Resumen del trabajo

Desarrollo de un videojuego serio como herramienta de gamificación para capacitación en entornos industriales

Sala Pendiente de asignar

Diego Angel San Martín Gómez, Ana Luisa Ballinas Hernández, Angel Ricardo Rendón Arenas, Héctor Medina Cruz and María Claudia Denicia Carral

Capacitación Industrial Gamificación Juego Serio Herramienta Lúdica.

Resumen

Los procesos de capacitación tradicionales en entornos industriales implican altos costos, interrupciones prolongadas en la producción y bajas tasas de retención de conocimiento. Una deficiente capacitación del personal afecta la eficiencia operativa, la seguridad del personal y la economía organizacional. En el presente trabajo se desarrolla un videojuego de plataformas con mecánicas de gamificación, diseñado para entornos industriales, como una herramienta complementaria de capacitación. La herramienta aborda contenidos de Seguridad Industrial, Residuos Industriales y la metodología Kaizen, promoviendo el aprendizaje activo en momentos disponibles dentro de la jornada laboral, sin interrumpir de forma prolongada los procesos de producción. Se realizaron pruebas técnicas y encuestas a personal operativo de un entorno industrial, con la finalidad de medir su impacto, efectividad y aceptación. Este proceso garantiza un desarrollo sistemático orientado a resultados replicables en distintos contextos industriales.

Resumen del trabajo

Closed-Form Algebraic Surrogates for Ab Initio Electronic Structure Solutions in III-V Zincblende Semiconductors: An Explainable Symbolic Regression Framework for High-Throughput Structural Screening

Sala s1/8

Carlos Andres Castano Urrego, Jesús Eduardo Castellanos Águila and Daniel Garcia Ortega

density functional theory III-V semiconductors zincblende symbolic regression Explainable Artificial Intelligence r²SCAN PBE high-throughput screening.

Resumen

La diagonalización iterativa del Hamiltoniano de Kohn-Sham presenta un escalamiento computacional cúbico, lo que restringe fuertemente la exploración sistemática de distorsiones estructurales en semiconductores III-V binarios. Para superar este cuello de botella, este trabajo introduce un flujo de datos a ecuaciones que reemplaza las iteraciones computacionalmente costosas de la teoría del funcional de la densidad con expresiones algebraicas interpretables y de forma cerrada en el momento de la inferencia. Utilizando una Matriz de Esfuerzo Paramétrico combinatoria de 1,995 permutaciones geométricas en cinco compuestos III-V, a saber, GaAs, GaSb, InP, AlSb e InAs, se evaluaron la fidelidad y la divergencia residual entre las aproximaciones PBE y r²SCAN. Mediante la aplicación de un motor de regresión simbólica, se extrajeron dos modelos algebraicos continuos: una Ecuación Delta Funcional que mapea la divergencia del intercambio-correlación como una función lineal del desajuste del radio covalente, y una Ecuación Fundamental de la Brecha de Energía que expresa la brecha de banda de PBE a través de una interacción no lineal de la densidad de carga de valencia, la asimetría de masas y los parámetros de red. Estas ecuaciones analíticas omiten por completo la diagonalización de matrices, reproduciendo el comportamiento macroscópico energía-volumen en configuraciones fuera del equilibrio con un error cuadrático medio de En última instancia, este marco proporciona un enfoque eficiente y físicamente transparente para el filtrado estructural de alto rendimiento en materiales optoelectrónicos bajo deformación estructural.

Resumen del trabajo

An Intelligent Framework for Rolling Bearing Fault Diagnosis Using the Synchroextracting Transform and Machine Learning

Sala Pendiente de asignar

Yoseline Torrealba, Arturo García Pérez, David Camarena Martínez and Ángel Díaz Pacheco

slewing bearing components outer ring anomaly normal operating condition mechanical oscillation monitoring SET-based spectral representation data-based categorization.

Resumen

Cuando el desgaste de un componente del rodamiento pasa inadvertido durante el funcionamiento normal, puede provocar fácilmente averías repentinas y costosas en la maquinaria. El monitoreo de la condición de estos componentes es de gran relevancia industrial y este trabajo trata de extraer características de defectos latentes que ayuden en dicha tarea. La Transformada de Sincroextracción (SET) se utiliza en las señales de vibración obtenidas desde el conjunto de datos de la Universidad de Ottawa, con el fin de identificar características tiempo-frecuencia asociadas a cuatro condiciones de operación. Estados que fueron denominados funcionamiento normal, falla en la pista interna, excentricidad en la pista exterior y bola defectuosa para evitar el uso de una nomenclatura convencional. Estas características luego fueron utilizadas como entrada a un clasificador supervisado entrenado en MATLAB. Después de comparar las métricas de rendimiento de varios modelos, se encontró que las regresiones de k-Vecinos Más Cercanos (KNN) y árboles decidieron presentaban mayor fortaleza predictiva. Se validó la precisión del modelo utilizando análisis por bootstrap para evitar distorsiones. Los resultados de esta investigación sugieren que, al combinar la representación espectral basada en SET con los clasificadores antes mencionados, se puede crear un framework robusto para aplicaciones de monitoreo de condiciones.

Resumen del trabajo

Efficient Method for Crack Classification in Wind Turbines Based on Multi-Task Learning and Vibration Features

Sala Pendiente de asignar

Jose J. Pantoja-Molina, David Camarena-Martinez, Angel Diaz-Pacheco and Martin Valtierra-Rodriguez

Aerogeneradores Diagnóstico de Fallas Análisis de Vibración Aprendizaje Multitarea Perceptrón Multicapa Monitoreo de Salud Estructural.

Resumen

La transición global hacia las energías renovables depende en gran medida del funcionamiento continuo y fiable de las turbinas eólicas. Estas estructuras están sometidas a cargas dinámicas severas, lo que las hace susceptibles a fallos estructurales como las grietas y exige sistemas eficientes de monitorización de la integridad estructural (SHM). Se presenta un método computacional para el diagnóstico simultáneo del estado estructural y la velocidad operativa de las turbinas eólicas. Mediante una arquitectura de aprendizaje multitarea (MTL) basada en una red neuronal profunda de tipo feedforward, el modelo propuesto procesa características de vibración concatenadas. Un conjunto compartido de capas ocultas extrae representaciones generalizadas de las señales de entrada, las cuales son procesadas posteriormente por dos cabezales de clasificación en paralelo. Este enfoque de salida dual permite clasificar con gran precisión y en tiempo real tanto el estado estructural como el régimen operativo, reduciendo significativamente los costes computacionales en comparación con el despliegue de modelos independientes. La validación preliminar demuestra un rendimiento robusto en diversas métricas de clasificación multiclase, confirmando que la arquitectura MTL propuesta constituye una solución altamente eficiente para la detección continua de anomalías en aerogeneradores.

Resumen del trabajo

Integración de la Inteligencia Artificial Generativa como Recurso Didáctico en la Educación Superior: Una Revisión Sistemática sobre Oportunidades, Desafíos y Tendencias Emergentes

Sala S4/1

Marco Antonio Vizueth Morán, Sandra Luz Hernández Mendoza and Edgar Olguín Guzmán

Generative Artificial Intelligence (GenAI) Higher Education Educational Innovation Personalized Learning Assessment Academic Integrity AI Literacy Digital Transformation.

Resumen

La expansión de la Inteligencia Artificial Generativa (IAGen) está modificando las condiciones en las que se desarrollan la enseñanza y el aprendizaje en la educación superior. Este artículo analiza su integración como recurso didáctico mediante una síntesis temática estructurada de literatura académica y documental reciente. El análisis considera sus usos pedagógicos, el aprendizaje personalizado, la evaluación formativa, la integridad académica, las competencias docentes y estudiantiles, la gobernanza institucional, las condiciones latinoamericanas y las tendencias tecnológicas emergentes. La literatura revisada muestra que la IAGen puede incorporarse a la planeación didáctica, la adaptación de materiales, la retroalimentación y el diseño de actividades activas y diferenciadas. Sin embargo, estas posibilidades no se explican únicamente por las capacidades técnicas de los sistemas. Su valor educativo depende de la finalidad pedagógica, la revisión de los contenidos generados, la supervisión humana y las condiciones institucionales en que ocurre el uso. También se advierte una evolución desde asistentes conversacionales relativamente aislados hacia sistemas multimodales, arquitecturas de generación aumentada por recuperación y aplicaciones con capacidades de agencia. En América Latina, este proceso se relaciona además con infraestructura, brechas digitales, formación docente y capacidad institucional. A partir de esta síntesis, se sostiene que la IAGen resulta más pertinente cuando se incorpora como recurso mediado pedagógicamente y no como sustituto autónomo del trabajo docente o estudiantil. Su valor, por tanto, debe examinarse en relación con el aprendizaje que permite observar, la integridad académica, la equidad y la preservación de la agencia humana.

Resumen del trabajo

Automatic classification of Mexican legal labor documents

Sala S4/7

Angeles Belém Priego-Sanchez, Luis Roberto Machorro Aguilar and Félix Sampedro Hernández

procesamiento de lenguaje natural aprendizaje profundo clasificación de textos en español documentos legales laborales.

Resumen

La clasificación manual de documentos legales laborales representa un proceso lento y demandante de recursos, lo que limita la eficiencia en la gestión documental. Este trabajo presenta el desarrollo de un sistema inteligente para la clasificación automática de documentos legales laborales mexicanos en diferentes categorías: despidos, enfermedades, pensiones y salarios, mediante técnicas de Inteligencia Artificial, Procesamiento de Lenguaje Natural y redes neuronales recurrentes. La metodología contempla un proceso de preprocesamiento textual para la eliminación de ruido, seguido del diseño de un modelo basado en embeddings, una capa LSTM, GlobalMaxPooling1D y una capa densa para la clasificación final. Se evaluaron cuatro modelos con diferentes configuraciones de datos e hiperparámetros. Los primeros modelos, entrenados con datos sin preprocesar, alcanzaron precisiones entre 80% y 85%. Posteriormente, los modelos con datos preprocesados y ajustes en la arquitectura lograron una exactitud del 95%, reduciendo además los indicios de sobreajuste y mejorando la capacidad de generalización. Los resultados demuestran la viabilidad de aplicar modelos de aprendizaje profundo para optimizar la clasificación documental y sientan las bases para su implementación en ámbitos como el jurídico, educativo, periodístico y administrativo.

Resumen del trabajo

Classification of Food Insecurity in Mexico: A Feature Selection and Machine Learning-Based Approach

Sala S3/7

Leticia Gómez Rivera, José Juan Hernández Mora, Alan Augusto Gallegos Cuellar and Jorge Luis Castañeda Gutiérrez

Food insecurity Machine Learning Feature selection Classification SMOTE

Resumen

Food insecurity is a multifactorial problem that violates the human right to adequate and sufficient food. Machine learning, for its part, is a useful tool for managing and analyzing large volumes of data. Therefore, this article addresses the detection of food insecurity from a machine learning perspective, using five questionnaires from the 2024 National Survey of Household Income and Expenditure (ENIGH). The data from this survey served as the basis for defining the level of food insecurity in Mexican households using the Mexican Food Security Scale (EMSA). In addition, a statistical analysis was performed to examine the impact of the head of household's gender on the food insecurity of its members. Subsequently, class balancing was performed using the Synthetic Minority Over-sampling Technique (SMOTE), and relevant features of the dataset were selected using the RFECV algorithm, with the Random Forest machine learning model as the base estimator. Finally, five machine-learning models were applied: Logistic Regression, Decision Tree, Random Forest, Bagging and LightGBM, whose results were evaluated using the metrics of Recall, F1-Score and Precision.

Resumen del trabajo

Particles and Weed into the Swampland: Testing Metaheuristics Ability for Vacua Search in String Theory

Sala Pendiente de asignar

Brandon Marquez-Salazar

String Theory Swampland BioInspired Algorithms NatureInspired Algorithms Metaheuristics Optimisation No Free Lunch Theorem PSO IWO Borda

Resumen

String theory, born within the realm of high energy physics, has this major problem, which the Swampland conjectures had pronounced: it can predict well, but given the enormous amount of predicted vacua—most of them not satisfactory—, the need for a methodological search arose. Past researches used traditional gradient—based and sampling—based methods whose results were limited but not faulty. Recent researches focused on Metaheuristic algorithms—mainly genetic ones—as an option for exploring the landscape. As a result, new configurations were discovered, and the resulting points of interest increased in number. This work aims to follow the metaheuristics way with the question: are there better algorithms for this problem? So, this approach involves two new —in this research line— algos: Adaptive Inertia Weight Particle Swarm Optimisation (AIW-PSO) and Invasive Weed Optimisation (IWO). Both population-based, both very different paradigms on a previously formulated effective potential within the II-B string theory. The performance here is assessed using an evenly-weighed Borda evaluation with 4 statisticalmoments of the results distribution().

Resumen del trabajo

Can a cat be combined? gouting the Schrödinger’s cat with python.

Sala s1/10

José Adrián Rodríguez González, Maria Isabel Rocha Vargas and Jesús Eduardo Castellanos Águila

Quantum mechanics Python programming Atomic orbitals Interactive visualization

Resumen

Undergraduate students often tend to struggle to grasp abstract topics such as mathematics and quantum mechanics. Despite the repeated exposure, these subjects are frequently misunderstood, partly due to the lack of pedagogical tools that can effectively illustrate them. In this work, we present a computational approach to teaching fundamental ideas of quantum chemistry, such as atomic hybridization and the basic Hydrogen atom structure described by Schrödinger’s equation. Using the programming language Python and interactive graphical libraries will be the bridge that connects the theoretical and practical content. The visualization includes three-dimensional representations of hybrid atomic orbitals and probability density functions of the hydrogen atom’s wavefunction, as well as spherical harmonics in both their real and complex forms, along with the radial function part of the solution. This project aims to combine elements from chemistry, physics, and computer science to support innovative education. Our goal is to provide accessible and interactive resources that educators can incorporate into their classrooms or virtual platforms.

Resumen del trabajo

No Avocados, No Paradise: A Deep Learning Approach Using Open Resources to Automate Land-Use Change Detection in Conservation Areas

Sala Pendiente de asignar

César Ricardo López Moyao, Victor Alejandro González Huitrón, Elizeth Ramírez Álvarez, Gabriela Pineda Chacón, Favian Orduña Suárez and Rafael Alvarado Ibáñez

Deep learning Land-use change detection Avocado crops Environmental monitoring Remote sensing Conservation areas Open geospatial resources Semantic segmentation.

Resumen

The expansion of avocado (Persea americana) cultivation has driven undocumented land-use change in ecologically sensitive regions, particularly around the Monarch Butterfly Biosphere Reserve (RBMM), Michoacán, Mexico. This study proposes an automated methodology using very high-resolution (VHR) RGB imagery accessed through Google Maps Tile Map Services (TMS), comparing six semantic segmentation architectures (U-Net, U-Net++, FPN, DeepLabV3+, MAnet, over ResNet/EfficientNet/MobileNet backbones) on a class-ratio-filtered dataset of 1,117 image-mask pairs. U-Net++/ResNet50 achieved the best performance (mIoU 0.6665). The approach frames avocado cultivation as not inherently illegal, targeting instead the subset of systematic non-compliance driving deforestation, and positions the pipeline as a prioritization tool for field verification rather than a substitute for legal inspection.

Resumen del trabajo

Leyes de Escala, Razonamiento y la Agenda de IA para Laboratorios con Recursos Limitados

Sala s2/8

José de Jesús Angel Angel

laboratorios con recursos limitados leyes de escala frontera relativa LoRA RAG verificadores externos SLM español técnico C_eff.

Resumen

¿Puede un grupo universitario sin clúster, sin dinero para cómputo y con una laptop comprada para dar clases hacer investigación publicable sobre modelos de lenguaje? Este artículo sostiene que sí y presenta la evidencia. Las leyes de escala describen bien el obstáculo: el rendimiento crece como ley de potencia en parámetros, datos y cómputo, y los primeros lugares los ocupan hoy modelos (GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro) cuyo entrenamiento costó entre 400 y 2,500 millones de dólares. En lugar de competir ahí, proponemos trabajar en la frontera relativa, es decir, alcanzar buen rendimiento dentro de un tema acotado y con un límite de gasto declarado. Para medirlo definimos F_rel, que resume rendimiento y costo en un solo número, y C_eff(τ), que compara eficiencia; además reunimos doce líneas de trabajo que un laboratorio pequeño puede empezar este año. Luego reportamos lo que medimos en esa laptop, sobre un banco de 115 problemas de cálculo multivariado revisado de forma independiente: el modelo local sin adaptar llega a F_rel=0.6304, a tres puntos de lo previsto; un solo aviso de un verificador simbólico añade 15.2 puntos por seis centavos de electricidad; y la comparación con GPT-5.6 Sol deja una ventaja de gasto real aunque modesta, de 4.6 veces con el modelo solo y 4.2 cobrando los reintentos, lejos de lo que anunciaba la teoría. Las corridas locales costaron centavos de electricidad, y la campaña completa, llamadas a la API incluidas, menos de dos dólares. Lo que nos frenó no fue el cómputo sino el cuidado metodológico: el verificador tuvo que auditarse antes de dar cifras confiables.

Resumen del trabajo

Detección automática del engaño basada en modalidad visual: estudio de mapeo sistemático

Sala S2/6

Emiliano Antonio Arceo Márquez, Antonio Aguileta Güemez and Raúl Aguilar Vera

Detección del engaño Video Modalidad visual Aprendizaje automático Mapeo sistemático.

Resumen

La detección automática del engaño por medio de video es capaz de analizar señales conductuales y fisiológicas sin tener que utilizar sensores invasivos, pero los estudios operan de diferente forma al crear y evaluar la evidencia. Este mapeo sistemático analiza 39 estudios primarios y describe la formulación de la tarea, conjuntos de datos, unidades de decisión, etiquetado, señales visuales, preprocesamiento, modelos y métricas utilizadas. Hubo predominancia de clasificación binaria y representaciones basadas en el rostro y ojos, sobre todo unidades de acción, microexpresiones, puntos de referencia faciales, pose de cabeza, mirada y parpadeo. Por otro lado, se identificaron distinciones en el origen, granularidad y propagación de etiquetas utilizadas en la verdad de referencia, así como las diferencias dentro de las particiones, modalidades y protocolos de evaluación. Estas variaciones no permiten interpretar las puntuaciones de desempeño como una comparación directa entre cada modelo, y debe entenderse como el resultado directo de la configuración experimental completa.

Resumen del trabajo

Proposed software architecture for a multi-platform arthropod recognition and classification application using computer vision techniques.

Sala Pendiente de asignar

Juan de Dios Toribio-Casas, Alexis Gallegos-Acosta and Héctor Cardona-Reyes

Software Architecture Computer Vision Arthropods Deep Learning YOLOv8 MobileNetV3 Mobile Application.

Resumen

El monitoreo de artrópodos es fundamental para la agricultura y la ecología, pero se ve severamente limitado por la escasez de expertos taxonómicos y la lentitud de la identificación manual. Para abordar este "cuello de botella taxonómico", este artículo presenta una propuesta de arquitectura de software multiplataforma, modular y escalable para la identificación automatizada de artrópodos. El sistema implementa un diseño de tres capas (Three-Tier) utilizando Django y MongoDB en el backend, y una aplicación móvil multiplataforma. El núcleo de inteligencia artificial emplea una estrategia secuencial de dos etapas: detección de objetos utilizando la arquitectura YOLOv8 y clasificación taxonómica a nivel de Orden utilizando MobileNetV3, ambos seleccionados por su eficiencia computacional y adecuación para entornos móviles. La arquitectura propuesta tiene como objetivo empoderar a personas no expertas con una herramienta de campo accesible y robusta, facilitando el monitoreo de la biodiversidad a gran escala.

Resumen del trabajo

FRICTA: A Computational Framework for Measuring and Analyzing Digital Adoption Friction in Mexican Childcare Institutions.

Sala Pendiente de asignar

Irais Jaqueline Benitez Castillo

FRICTA Digital Adoption Friction Computational Framework Organizational Digital Maturity Institutional Diagnostics Childcare Institutions

Resumen

La adopción tecnológica en instituciones de atención infantil residencial ha sido tradicionalmente evaluada mediante indicadores descriptivos o métricas centradas en la infraestructura tecnológica. Este artículo presenta FRICTA (Friction in Childcare Technology Adoption), un marco computacional exploratorio para medir la fricción en la adopción digital mediante una arquitectura multivariada. Utilizando un conjunto de datos institucional original (N = 81), recopilado a través de una campaña nacional de contacto dirigida a aproximadamente 800 instituciones distribuidas en los 32 estados de México, implementamos un pipeline reproducible basado en Python para normalizar variables direccionales, construir índices agregados en cuatro dominios teorizados (infraestructura, organización, carga operacional y capacidad humana) y evaluar la robustez del modelo mediante análisis de sensibilidad. Las pruebas de estrés de hipótesis competitivas sugieren que los déficits de madurez digital organizacional presentan una asociación más fuerte con la fricción de adopción que los déficits aislados de capacidad humana, registrando tamaños de efecto estandarizados de 1.53 y 0.90, respectivamente. Adicionalmente, una clasificación de arquetipos basada en reglas identificó que el 64.2% de las instituciones participantes pertenecen al arquetipo de Limitación Organizacional. Los hallazgos sugieren que la fricción de adopción digital opera principalmente como un fenómeno estructural y de gobernanza organizacional, más que como una consecuencia exclusiva de la disponibilidad de hardware o de intervenciones de capacitación aisladas. El marco propuesto proporciona un enfoque computacional reproducible para medir, analizar y comparar barreras institucionales de adopción digital en entornos de servicios sociales con recursos limitados.

Resumen del trabajo

Rodent biometric identification using computer vision and machine learning

Sala s2/9

Karen Gómez Archundia

Rodent biometric identification artificial vision machine learning BoW ORB descriptors HOG PCA MLP image preprocessing biometric recognition pattern recognition.

Resumen

Este artículo presenta un sistema de identificación biométrica para roedores basado en visión artificial y técnicas de aprendizaje automático utilizando imágenes de huellas plantares. En primer lugar, se aplica una etapa de preprocesamiento para mejorar la calidad de la huella permitiendo aislar la región biométrica más relevante. Posteriormente, se extraen descriptores ORB y se representan utilizando un modelo de Bolsa de Palabras Visuales (BoW), mientras que se incorporan descriptores de Histograma de Gradientes Orientados (HOG) para codificar la información estructural global de la huella. Los vectores de características resultantes se normalizan y reducen utilizando el Análisis de Componentes Principales (PCA) para minimizar la redundancia y mejorar la generalización. Finalmente, se emplea un clasificador de Perceptrón Multicapa (MLP). Los resultados experimentales muestran una exactitud de clasificación del 93.10% sobre ocho individuos. Asimismo, el sistema alcanza una reducción de dimensionalidad del 92.16%, pasando de 9150 a 717 características sin pérdida significativa de información. Las pruebas de robustez evidencian que el uso de aumento de datos mejora considerablemente la generalización del modelo, manteniendo precisiones superiores al 80% bajo rotaciones de -10° a 10°. Bajo condiciones adversas adicionales como ruido gaussiano y oclusión parcial, el sistema mantiene un comportamiento estable, aunque con degradación progresiva conforme aumenta la severidad de las perturbaciones.

Resumen del trabajo

Epsilon: An adaptive optimizer based on directional gradient similarity for image classification

Sala S1/1

Marcela de Los Ángeles Yanes Pérez, José Adán Hernández-Nolasco and Miguel A. Wister

adaptive optimization computer vision convergence speed deep learning accuracy.

Resumen

El entrenamiento de Redes Neuronales exige equilibrar la precisión y la velocidad de convergencia al minimizar la función de pérdida. Para abordar este desafío, se presenta Epsilon, un algoritmo de optimización adaptativa diseñado para mejorar dichas métricas. Su desempeño se analizó sobre arquitecturas convolucionales, incluyendo ResNet18, utilizando los conjuntos FashionMNIST, CIFAR-10 y CIFAR-100, bajo un criterio de parada temprana y una configuración estandarizada de hiperparámetros. Los resultados empíricos sugieren incrementos de exactitud predictiva de entre 1.57% y 5.05% en comparación con el método Adam, mostrando además un desempeño competitivo frente a AMSGrad y Adamax. Se concluye que la formulación matemática propuesta constituye una alternativa viable para tareas de clasificación de imágenes.

Resumen del trabajo

Evaluación de la accesibilidad web en universidades públicas mexicanas mediante WCAG 2.2 y herramientas automatizadas de análisis

Sala S3/4

Victor Hugo Menendez-Dominguez, Endrick Alfredo Pool-Flores, María-Enriqueta Castellanos-Bolaños, Itzel Berenice Guerrero Alfaro and Jaime Muñoz Arteaga

web accessibility WCAG 2.2 higher education digital inclusion website evaluation

Resumen

La accesibilidad web es un aspecto importante para la inclusión digital en las universidades, ya que numerosos servicios académicos y administrativos se ofrecen actualmente a través de sus sitios institucionales. Este trabajo analiza las páginas principales de las 35 universidades públicas estatales de México para conocer sus condiciones de accesibilidad y algunos aspectos de su desempeño técnico. El estudio se realizó entre mayo y junio de 2025 utilizando Lighthouse, GTMetrix y PowerMapper, a partir de indicadores de accesibilidad, rendimiento y buenas prácticas. Para el análisis de la accesibilidad se tomó WCAG 2.2 como marco de referencia. Sin embargo, las puntuaciones reportadas corresponden únicamente a las comprobaciones que pueden realizar las herramientas utilizadas y no representan una evaluación integral de conformidad con todos los criterios de éxito de WCAG 2.2. Los promedios obtenidos fueron de 79.20 puntos en accesibilidad, 84.09 en buenas prácticas y 58.46 en rendimiento. También se encontraron diferencias entre las páginas analizadas y una relación positiva débil entre accesibilidad y rendimiento (r = .283). Estos resultados ofrecen una referencia sobre las condiciones encontradas durante el periodo de estudio y una base para futuras evaluaciones que incorporen inspección manual, tecnologías de asistencia y participación de usuarios.

Resumen del trabajo

Diseño Orientado a Objetos para la integración de modelos LLM en aplicaciones conversacionales

Sala S3/6

César Ricardo Alducin Ruiz, Daniela Bravo González, Rodrigo Farid López Córdoba, Emilio Azael Valencia López and Rafael González Reyes

Diseño Orientado a Objetos Ingeniería de Prompts Modelos de Lenguaje Patrón Strategy Patrón Builder Benchmarking Calidad de Software SonarQube Java 17 Ollama.

Resumen

El avance de la Inteligencia Artificial Generativa ha impulsado el uso de modelos de lenguaje en sistemas conversacionales. Este trabajo propone una solución basada en Dise-ño Orientado a Objetos para la integración y evaluación de múltiples modelos de lenguaje ejecutados localmente mediante Ollama. La propuesta se fundamenta en principios de Pro-gramación Orientada a Objetos y en el uso de los patrones de diseño Strategy y Builder, que facilitan la selección dinámica de modelos y la construcción flexible de prompts. Asimismo, incorpora técnicas de Prompt Engineering, como Zero-Shot, Few-Shot y Chain-of-Thought, junto con un mecanismo automático para seleccionar la estrategia más adecuada según la consulta. Para validar la propuesta, se desarrolló una implementación en Java 17 y se realizó un proceso de benchmarking utilizando métricas de similitud semántica, consistencia, riesgo de desviación conceptual, latencia y puntuación compuesta. Los resultados obtenidos mues-tran que el diseño propuesto favorece la mantenibilidad, reutilización y extensibilidad en aplicaciones orientadas a la integración y evaluación de múltiples modelos de lenguaje.

Resumen del trabajo

The Four-Color Theorem: History, Educational Examples, and an Algorithmic Approximation

Sala Pendiente de asignar

Guillermo De Ita Luna and Estefania Varela Espinosa

Teorema de los cuatro colores grafos planares teoría de grafos heurísticas.

Resumen

Imagina que tienes un mapa con varios países y quieres colorearlo de manera que dos países que compartan frontera siempre tengan colores distintos. ¿Cuál es el número mínimo de colores que necesitas para cualquier mapa, por muy complicado que sea?. Esta sencilla pregunta, nacida en el siglo XIX, dio origen al famoso "Problema de los Cuatro Colores", un acertijo que ha desafiado a un alto número de matemáticos durante más de un siglo. En este artículo, trataremos sobre el coloreo de grafos planares, iniciando con la historia del: desde su formulación como conjetura, y considerando la ingeniosa pero errónea demostración de Kempe, hasta la controvertida prueba asistida por computadora en los años 70. En una segunda parte, adoptaremos un enfoque didáctico y práctico. A través de este artículo, se exploran como conceptos de la teoría de grafos y las heurísticas, permiten construir un algoritmo para este problema clásico, mostrando que la belleza de las matemáticas descansa tanto en sus preguntas como en la creatividad de sus respuestas.

Resumen del trabajo

CAUS-Canvas: Abstracción del Modelo de Negocios Canvas mediante Casos de Uso y Clases Estereotipadas

Sala Pendiente de asignar

Charles Fernando Velazquez Dodge and Sandra Elizabeth León Sosa

Modelado de Negocios Business Model Canvas (BMC) Lenguaje de Modelado Unificado (UML) Casos de Uso Clases Estereotipadas..

Resumen

El presente trabajo muestra como propuesta la formalización del Modelo de Negocios Canvas utilizando casos de uso, los cuales son un diagrama visual incorporado en UML bajo el estándar ISO/IEC 19505. Al utilizar UML se obtiene una mayor especificación, se reduce la ambigüedad y se facilita la comprensión por parte de los equipos de desarrollo de software para su realización mediante ingeniería de requisitos. En esta investigación se muestran los resultados obtenidos en 4 diagramas de casos de uso que se crearon en base en un Modelo de Negocios Canvas adaptado para mostrar su aplicación.

Resumen del trabajo

Sistema Inteligente Basado en YOLOv9 para la Detección de Emociones en Entornos Educativos

Sala s1/4

Sandra Elizabeth León Sosa and Charles Fernando Velazquez Dodge

YOLO emotion detection deep learning facial expression recognition PGI GELAN computer vision.

Resumen

La detección automática de emociones en entornos académicos representa un reto relevante para el desarrollo de sistemas inteligentes orientados al bienestar estudiantil. Este trabajo evalúa comparativamente YOLOv8 y YOLOv9 sobre un conjunto balanceado de más de 8,000 imágenes faciales en cinco categorías emocionales: felicidad, neutral, enojo, tristeza y sorpresa. La solución se implementó en una plataforma web que articula captura, entrenamiento, evaluación e inferencia en tiempo real mediante Node.js, React y FastAPI. Los resultados experimentales muestran que YOLOv9 obtiene un desempeño superior, con precisión de 0.7110, mejora relativa de 8.01%, reducción del error de localización de 38.72% y un tiempo total de inferencia de 152.1 ms, lo que representa una disminución del 44% frente a YOLOv8. En conjunto, los hallazgos confirman que PGI y GELAN aportan ventajas medibles en precisión y eficiencia, especialmente en tareas de reconocimiento emocional.

Resumen del trabajo

Clustering Aplicado a la Identificación Humana Usando un Perfil Humano Digital

Sala S3/2

Dalia Berenice Luna Coria, Jose Sergio Ruiz Castilla and Farid García Lamont

Técnicas de agrupamiento Identificación humana Características físicas Perfil humano digital

Resumen

La identificación humana es necesaria ante ciertos escenarios. El primero, cuando se pierde un infante que aún no puede revelar quién es y dónde vive. El segundo, cuando una persona de la tercera edad sale de su casa, se desorienta y no recuerda como regresar a su casa. El tercero, cuando la persona se accidenta y queda inconsciente en alguna institución de atención médica. El cuarto, cuando la persona sale de su casa y no regresa sin motivo alguno. Los familiares acuden a una Fiscalía y presentan una desaparición. Le solicitan una fotografía y le preguntas algunas características físicas particulares. Las autoridades crean una Ficha de búsqueda y la difunden al público. Por otro lado, las fiscalías suelen encontrar a personas inconscientes o muertas sin identificación. Ante tal problema, se propone una plataforma para la identificación de personas. La plataforma que se propone permite capturar hasta 255 características físicas de la persona buscada, así como de su vestimenta y accesorios. En este caso, los usuarios serán el personal de las fiscalías y oficinas auxiliares. La plataforma ofrece una lista de opciones para cada Característica. Por ejemplo, para el color de ojos, se le ofrece una galería, dónde elige el color de ojos y se guarda un valor que hemos llamado Categoría. Una vez completado el Perfil Humano Digital es almacenado en la plataforma. Por otro lado, la propia Fiscalía puede crear un Perfil humano Digital de una persona encontrada sin identificación. Igualmente, el perfil es almacenado en la Plataforma. La plataforma almacena múltiples Perfiles y los algoritmos propuestos permiten encontrar similitudes y hacer matching. Los resultados muestran casos de personas con ficha de búsqueda y después encontradas con vida. Dichos casos, con dos perfiles primero como Personas buscada y luego como Persona encontrada. Los resultados muestran un alto grado de similitud demostrado su eficacia. Finalmente, se concluye que la plataforma permite encontrar a personas a través del Perfil Humando Digital usando técnicas de Clustering.

Resumen del trabajo

Fraud Detection in Card Transactions Using End-to-End Heterogeneous Graph Neural Networks

Sala s2/7

Guillermo De Ita Luna, Maribel González Rodríguez and Rolando Montalvo Serafin

heterogeneous graph neural networks fraud detection online transactions HANConv HGFraudNet Card-Not-Present

Resumen

El fraude en plataformas de pago en línea representa una problemática económica en aumento que va desde uso no autorizado de tarjetas bancarias hasta la apropiación de las cuentas. Los enfoques tradicionales de aprendizaje automático presentan limitaciones críticas al evaluar las transacciones de forma aislada omitiendo el contexto relacional, la topología de la red y la dinámica temporal de los eventos, lo cual limita la capacidad de aprender patrones relacionales complejos. En este trabajo se presenta un algoritmo basado en Redes Neuronales de Grafos Heterogéneos (HGFraudNet), el algoritmo modela las transacciones conectando 8 tipos de nodos (canal, tarjeta, Tx_anterior, ubicación, comercio, dispositivo, y dirección IP) a través de aristas relacionadas y vectores de características. La arquitectura emplea dos capas de mensaje HanConv y CNP (Card-Not-Present), se incorpora una arista temporal (MISMA_TARJETA) que conecta transacciones consecutivas de la misma tarjeta, capturando patrones de desplazamiento imposible. La validación experimental se llevó a cabo utilizando el dataset Sparkov y demuestran que HGFraudNet funciona de forma balanceada en todas las categorías. Plantear la detección de fraude digital como un problema de caracterización relacional y continua mediante grafos heterogéneos permite exponer la estructura de las redes delictivas y diferenciar con mayor precisión el comportamiento anómalo del legítimo en entornos financieros reales.

Resumen del trabajo

Propuesta de una función de pérdida compuesta para detección de transacciones fraudulentas usando redes neuronales con grafos heterogéneos y un desbalance extremo de clases

Sala Pendiente de asignar

Emmanuel Zarco Zambrano and Guillermo De Ita Luna

detección de fraude función de pérdida compuesta grafos heterogéneos desbalance extremo.

Resumen

La detección de transacciones fraudulentas en plataformas digitales de pago se ve afectada por el desbalance extremo de clases, donde los eventos de fraude pueden representar menos del uno por ciento de los datos. En este escenario, la entropía cruzada estándar tiende a favorecer la clase mayoritaria, mientras que los métodos de aprendizaje métrico basados en pares pueden volverse inestables porque los mini-lotes suelen contener muy pocos ejemplos fraudulentos. Con base en estudios recientes sobre detección de fraude mediante grafos y aprendizaje en grafos heterogéneos, este artículo propone una función de pérdida compuesta para entrenar modelos de detección sin alterar destructivamente la topología del grafo. La propuesta combina tres términos complementarios: pérdida con margen consciente de la distribución de etiquetas (LDAM) para modificar la frontera de decisión de la clase rara, Center Loss para compactar las representaciones fraudulentas alrededor de un prototipo aprendible y regularización ortogonal para incrementar la diversidad de las proyecciones de atención en transformadores de grafos heterogéneos. La función objetivo busca mejorar el recall de la clase minoritaria, estabilizar el aprendizaje de representaciones y reducir la redundancia entre cabezas de atención en grafos temporales heterogéneos de transacciones.

Resumen del trabajo

Fuga de datos y brecha de generalización en la clasificación histopatológica de cáncer de pulmón: una evaluación rigurosa de arquitecturas CNN

Sala s1/6

Samuel de Jesus Chávez Conde

deep learning histopathology lung cancer data leakage cross-domain generalization LC25000 LungHist700 DenseNet121 ResNet50.

Resumen

El uso herramientas de IA como el Deep Learning para la clasificación de imágenes histopatológicas de cáncer de pulmón a menudo se suelen reportar exactitudes cercanas al 99% cuando se hace uso del dataset LC25000. En este trabajo se muestra que gran parte de ese desempeño proviene de una fuga de datos: el dataset LC25000 se generó aumentando 250 imágenes originales por clase, por lo que las particiones aleatorias colocan copias del mismo tejido en los conjuntos de entrenamiento y prueba. Se reevaluaron cuatro arquitecturas basadas en DenseNet121 y ResNet50 con cabezas auxiliares e inferencia jerárquica en cascada empleando un protocolo sin fuga de datos y múltiples semillas. Bajo esta evaluación, las cuatro variantes alcanzan alrededor del 98% de exactitud siendo estadísticamente indistinguibles entre sí, concluyendo que la complejidad añadida (fusión, multitarea y pérdida de distancia) no mejora significativamente a un backbone simple. Además, se evaluó la generalización en un conjunto externo (LungHist700, 40x), en donde la exactitud entre un 53% y 58%, con un sesgo sistemático hacia el carcinoma escamoso. Concluimos que el reto central no es la arquitectura, sino la generalización entre dominios, y aportamos un protocolo de evaluación reproducible.

Resumen del trabajo

Evaluación del impacto de los semáforos en la gestión del tráfico urbano en zonas de alta movilidad

Sala S2/3

Ernesto de la Cruz Nicolás, Hugo Estrada-Esquivel, Alicia Martínez-Rebollar, Odette Alejandra Pliego Martínez and Salomón Moreno Reyes

Smart Traffic Lights Urban Traffic Management Traffic Congestion Mobility Simulation High Traffic Demand Areas

Resumen

La congestión vehicular en áreas urbanas representa un reto para la gestión del tránsito y la movilidad. Una de las estrategias de análisis y control que se han implementado son los sistemas semafóricos; sin embargo, su influencia sobre el comportamiento del flujo vehicular depende de las características y condiciones específicas de cada entorno. En este estudio se evalúa el efecto de los semáforos mediante la integración de simulación computacional y el análisis de datos reales. Se construyeron escenarios en SUMO a partir de redes viales reales; considerando configuraciones con y sin semáforos, así como un esquema de control adaptativo. El desempeño se evaluó mediante indicadores como el tiempo medio de viaje, la longitud de las colas y el número de detenciones experimentadas por los vehículos. Los resultados permitieron identificar las condiciones en las que la regulación semafórica favorece la movilidad o puede contribuir al incremento de la congestión. Este estudio proporciona una evidencia cuantitativa para el diseño de estrategias de gestión del tránsito urbano y políticas de movilidad urbana, especialmente en zonas con elevados niveles de demanda vehicular.

Resumen del trabajo

Desacoplamiento entre precisión y fidelidad explicativa: Evaluación cuantitativa de XAI en arquitecturas convolucionales ligeras para fitopatologías del maíz

Sala s1/5

Luis F. Villalobos-Uribe, Claudia Sifuentes-Gallardo, Luis C. Reveles-Gómez, José Félix Serrano-Talamantes and Carlos Avilés-Cruz

Aprendizaje profundo agricultura de precisión modelos CNN ligeros aprendizaje por transferencia enfermedades foliares del maíz.

Resumen

En esta propuesta, se compara el desempeño de cuatro arquitecturas CNN ligeras (EfficientNetV2-B0, MobileNetV3-Large, SqueezeNet 1.1 y ShuffleNetV2) para el diagnóstico de enfermedades foliares del maíz, incorporando técnicas XAI mediante Grad-CAM e Integrated Gradients. La fidelidad explicativa se cuantificó con Average Drop, Increase in Confidence e Insertion/Deletion AUC. Los resultados demuestran que una mayor exactitud no implica explicaciones más confiables. ShuffleNetV2 obtuvo el mejor compromiso entre rendimiento e interpretabilidad (95.71% de exactitud y F1=0.9577) utilizando únicamente 2.3 millones de parámetros, evidenciando que las arquitecturas ligeras son adecuadas para aplicaciones agrícolas en dispositivos con recursos limitados.

Resumen del trabajo

Herramientas de Inteligencia Artificial aplicadas al Marketing Digital

Sala S2/5

Sergio Cáceres, Sergio Navarro and Daniel Hernández

Inteligencia Artificial Marketing Digital automatización comercio electrónico analítica digital optimización para motores generativos.

Resumen

La Inteligencia Artificial ha generado un cambio en los diferentes procesos organizacionales, permitiendo la automatización e integración de herramientas que permiten un mejoramiento en las compañías; por ello, el presente artículo presenta una revisión de literatura aplicada sobre herramientas de inteligencia artificial utilizadas para la optimización de procesos de marketing digital durante el periodo 2021-2026. El objetivo de la investigación fue sintetizar evidencia reciente sobre la generación de contenidos, segmentación, analítica predictiva, automatización de campañas, SEO/GEO, optimización de e-commerce, gestión de leads y dashboards, de tal manera se lograra la identificación de alternativas de mejora a partir de la IA. La investigación se desarrolló bajo un enfoque cualitativo de tipo documental, descriptivo, orientado a revisar, clasificar, interpretar la producción académica reciente sobre herramientas de inteligencia artificial aplicadas a la optimización de procesos de marketing digital. La muestra documental estuvo conformada por 50 fuentes académica y técnicas seleccionadas mediante muestreo no probabilístico por criterios, tomando como periodo de análisis aquellos documentos publicados entre el 2021 y 2026 y que abordaran relación entre inteligencia artificial y marketing digital. Los resultados evidencian que la IA genera mayor valor cuando se integra a procesos medibles de captación, clasificación, seguimiento y conversión y no como una herramienta aislada de generación de contenidos; además, se identificaron plataformas que se ajustan al uso de herramientas de IA en el marketing digital tales como Shopify, Wordpress, Webflow, Real Estate, dashboards, formularios, WhatsApp y automatización comercial, demostrando que la IA fortalece la toma de decisiones al articular datos, automatización, trazabilidad y supervisión del talento humano.

Resumen del trabajo

Predicción del PROMEDIO_GLOBAL de Saber Pro mediante LightGBM y auditoría de fuga temporal: un estudio a nivel de programa académico en Colombia

Sala Pendiente de asignar

Edwin Santiago Paz Bedoya and Nathalia Orozco

Saber Pro predicción del rendimiento académico LightGBM fuga de información SHAP panel temporal educación superior colombiana.

Resumen

Construimos un motor predictivo del PROMEDIO_GLOBAL de Saber Pro a nivel de programa académico en Colombia, con datos públicos del ICFES para el período 2020–2024 (127.716 observaciones post-pivot). La metodología principal trata de utilizar seis tipos de fuga de información, cuyo efecto conjunto llega a ΔR²≈ 0,22 una vez corregido. Sobre el conjunto de prueba 2024, LightGBM alcanza R² = 0,706 y RMSE = 9,33, por encima de Ridge, Lasso y un Transformer encoder; el análisis SHAP muestra la mayor contribución predictiva de lag_1_promedio_global. El módulo de inferencia que acompaña al modelo clasifica cada predicción según su confianza empírica, de modo que las instituciones puedan priorizar intervenciones antes de que el ICFES publique resultados oficiales, según la disponibilidad de las entradas.

Resumen del trabajo

Sistema embebido de detección de antracnosis en aguacate mediante visión artificial y redes neuronales convolucionales implementado en Raspberry Pi 5

Sala s1/7

Emanuel Valencia-Martínez, Carlos Avilés-Cruz, Gabriel Celis-Escudero, Jose Félix Serrano-Talamantes and Claudia Sifuentes-Gallardo

Antracnosis Visión artificial Redes neuronales convolucionales Rasp berry Pi 5.

Resumen

Este trabajo presenta el desarrollo de un sistema embebido para la detección temprana de antracnosis (Colletotrichum gloeosporioides) en frutos de aguacate Hass mediante visión artificial y redes neuronales convolucionales. El sistema integra una Raspberry Pi 5 como unidad de procesamiento, una cámara web USB para la adquisición de imágenes en tiempo real y una pantalla táctil MIPI DSI para la visualización de resultados. Se construyó una base de datos de 9,000 imágenes RGB de aguacates sanos e infectados, sometida a preprocesamiento (redimensionamiento a 300 ×224 píxeles) y aumento de datos mediante rotaciones en pasos de 10° y variaciones controladas de brillo. Sobre estas imágenes se entrenó una arquitectura convolucional secuencial compuesta por 3 bloques de convolución y pooling, seguidos de capas Flatten, densa (128 neuronas) y de salida sigmoide para clasificación binaria. El modelo se entrenó durante 200 épocas con lotes de 16 imágenes, para la evaluación se utilizó un conjunto de 9,000 imágenes (4,500 sanas, 4,500 infectadas), obteniendo una matriz de confusión completamente diagonal y métricas de exactitud, precisión, sensibilidad, especificidad y F1 iguales a 1.00 bajo condiciones controladas de laboratorio.

Resumen del trabajo

P-INSEAT-L: subíndice reproducible para la medición longitudinal no intrusiva de la exposición cibernética externa derivada de filtraciones

Sala Pendiente de asignar

Fabian Valero Duque

cyber threat intelligence external cyber exposure leaked credentials attack surface management longitudinal analytics disclosure control.

Resumen

Los registros derivados de filtraciones pueden aportar valor para analizar exposición externa, pero no llegan como una base lista para comparar. En este estudio, los conteos iniciales estaban afectados por observaciones repetidas, fechas históricas de infección, endpoints locales y diferencias de cobertura entre fuentes. P-INSEAT-L se desarrolló para resolver ese problema práctico. El método transforma registros depurados en una serie mensual por unidad observacional y mantiene fuera de la publicación las credenciales y demás identificadores sensibles. El análisis cubrió observaciones fechadas entre enero de 2023 y febrero de 2026. Tras normalizar campos, excluir artefactos locales o privados y eliminar duplicados exactos, quedaron 10.063 registros correspondientes a 20 unidades observacionales. Con ellos se construyeron 343 observaciones unidad-mes y se identificaron 372 hosts de servicio externamente observables. El puntaje, expresado entre 0 y 100, combina volumen transformado de eventos, amplitud de servicios, contexto de amenaza y un indicador robusto de pico temporal. El 71,0 % de los registros mantuvo una etiqueta atribuible de malware o fuente, se identificaron 25 picos y los puntajes base y con pesos uniformes presentaron una alta concordancia de rangos (rho de Spearman = 0,985). El puntaje está diseñado para apoyar el triage, no para estimar una probabilidad de compromiso; su utilidad operativa requiere evaluación.

Resumen del trabajo

SIMULACIÓN DE PROTOCOLOS DE CRIPTOGRAFÍA CUÁNTICA BB84 Y E91

Sala S4/8

Barbara Emma Sánchez Rinza

quantum cryptography BBB4 E91 Qubits Qiskit

Resumen

Este trabajo se adentra en uno de los retos más urgentes de la criptografía actual: cómo repartir claves de forma segura en un mundo donde la computación cuántica amenaza con dejar obsoletos los sistemas de cifrado clásico, esos que confían su seguridad a la complejidad matemática. El estudio se centra en dos protocolos pioneros de la Distribución Cuántica de Claves (QKD): el BB84, propuesto por Bennett y Brassard en 1984, y el E91, formulado por Ekert en 1991. Lo interesante de ambos es que no basan su seguridad en suposiciones algorítmicas, sino en principios físicos fundamentales de la mecánica cuántica: el principio de incertidumbre de Heisenberg, el teorema de no clonación y la no-localidad cuántica que surge del entrelazamiento. Para poner a prueba estos principios, se diseñó e implementó un simulador computacional en Python usando el framework Qiskit. El simulador reproduce por completo los roles de los participantes (Alice como emisora, Bob como receptor y Eve como adversaria) y ejecuta el ataque canónico de interceptar y reenviar. Los resultados de la simulación confirmaron cuantitativamente lo que predecía la teoría: el protocolo BB84 bajo espionaje mostró una Tasa de Error de Bits Cuánticos (QBER) que converge al valor teórico del 25%, mientras que el protocolo E91 bajo espionaje evidenció una caída del parámetro de correlación S desde el límite cuántico (S ≈ 2.82) hasta el límite clásico (S ≈ 1.4), lo que confirma la ruptura del entrelazamiento. El trabajo cierra con un análisis comparativo de ambos protocolos, una discusión sobre las limitaciones del modelo idealizado y algunas propuestas para investigaciones futuras [1].

Resumen del trabajo

Impact of Artificial Intelligence on the Automation of Bibliographic Reference Tagging in SciELO Markup

Sala Pendiente de asignar

Moises Gomez Diaz, Maricela Romero Huerta and Magdiel Pablo Cano

artificial intelligence natural language processing editorial automation bibliographic reference tagging SciELO Markup JATS SciELO XML scholarly publishing.

Resumen

El etiquetado manual de referencias, para cumplir con el estándar JATS SciELO, demanda una atención minuciosa, a su vez, es la sección de un artículo científico que mayor tiempo requiere para su etiquetado. Con la intención de agilizar esta tarea, se implementó un diseño cuasi-experimental para evaluar a JATIA (Journal Article Tagging with Intelligent Automation), una IA de modelo de lenguaje natural de la familia GPT adaptado específicamente para etiquetar automáticamente referencias. Se utilizaron 20 artículos en español en sus formatos Word (con su correspondiente XML validado por SciELO México). Se comparó el etiquetado manual VS al realizado por JATIA. Se registró el tiempo necesario para procesar las referencias y el porcentaje de errores generados. JATIA redujo el tiempo medio de 19.0 a 7.0 minutos por artículo e hizo caer los errores del 8.2 % al 2.7 % (prueba t de Student para muestras pareadas, p < 0.01). JATIA, el modelo entrenado, solo etiqueta la sección de referencias bibliográficas, un profesional humano certificado en JATS SciELO lo inserta manualmente en el documento principal marcando o etiquetando el documento completo en SciELO Markup. El estudio demuestra que JATIA reduce de forma importante y significativa el tiempo necesario para etiquetar artículos en SciELO Markup. No obstante, la madurez de JATIA debe de realizarse mediante el incremento de los artículos proporcionados para su entrenamiento, abarcando múltiples disciplinas, diferentes formas de citaciones, así como las respectivas correcciones cuando JATIA cometa errores de etiquetado.

Resumen del trabajo

Identificación de Puntos Críticos de Flujos Peatonales mediante Clustering Jerárquico y la transformada Watershed

Sala S2/2

Adrián García-López, Bernardo David Nolasco-Vargas, Ana Marcela Herrera Navarro, Jorge Luis Perez Ramos, Hugo Jiménez Hernández, Daniel Canton-Enriquez and Selene Ramirez-Rosales

Visión por Computadora Dinámica Peatonal YOLOv8 Clustering Jerárquico Segmentación Watershed

Resumen

Este artículo presenta un marco computacional avanzado para la caracterización autónoma del comportamiento espacial peatonal mediante aprendizaje profundo y segmentación topológica. Al integrar la arquitectura YOLOv8 con ByteTrack, el sistema extrae trayectorias individuales de alta fidelidad, refinadas mediante filtros de media móvil para mitigar el ruido estocástico de detección. La innovación central radica en un flujo analítico multietapa: primero, la localización precisa de nodos de convergencia mediante la resolución paramétrica de intersecciones; segundo, la discretización de zonas de interacción a través de Clustering Jerárquico Aglomerativo; y tercero, la delimitación territorial de áreas de influencia usando segmentación Watershed basada en la Transformada de Distancia. Los resultados demuestran que este enfoque multiescalar (Local y Macro) permite la identificación no invasiva de cuellos de botella estructurales y patrones de interacción social, proporcionando una herramienta cuantitativa robusta para la optimización arquitectónica y la gestión de la seguridad urbana. El análisis comparativo permitió identificar que, mientras en entornos abiertos la densidad se disipa, en espacios con restricciones físicas se generan nodos de alta interacción cuya complejidad se estabiliza eficazmente mediante el modelado topológico. Esta metodología ofrece un diagnóstico preciso de la eficiencia espacial, transformando datos de video convencional en mapas funcionales que facilitan el diseño de entornos más seguros, fluidos y adaptados a las necesidades reales de los usuarios.

Resumen del trabajo

Desarrollo de una Aplicación Móvil con Arquitectura Híbrida y Persistencia Local para la Gestión Comercial, Inteligencia Financiera y Fidelización en Microempresas Colaborativas

Sala Pendiente de asignar

Takerlin Gereidi Calderon Corvera

Ingeniería de Software Persistencia Local Desarrollo Multiplataforma Sincronización en la Nube Inteligencia de Negocios.

Resumen

El sector del comercio minorista en esquemas colaborativos (como los colectivos comerciales) se encuentran enfrentando retos críticos de segregación de cuentas, una ineficiencia operativa y una marcada "ceguera" financiera debido al uso persistente de registros manuales para sus operaciones. Este artículo presenta "Control TinGi", una aplicación móvil multiplataforma que integra de manera nativa módulos de gestión comercial, Inteligencia de Negocios (BI) y estrategias analíticas de fidelización de clientes. Tecnológicamente, la solución implementa una arquitectura híbrida compuesta por una base de datos local SQLite para asegurar resiliencia operacional en modo offline y un sistema de sincronización asíncrona en la nube mediante Firebase. El sistema destaca por su Módulo de Inteligencia Financiera, el cual procesa datos históricos mediante el método Kardex para calcular la valorización total del inventario en tiempo real (inversión vs. ganancia esperada) y ejecutar algoritmos predictivos que estiman la duración del stock en días antes de que ocurra un desabasto. Asimismo, incorpora un módulo de marketing relacional digital basado en la gamificación por acumulación de puntos, diseñado para incentivar la recurrencia de compra. Las pruebas de campo demuestran una reducción del 80% en tiempos de atención en punto de venta y una optimización absoluta en la toma de decisiones estratégicas basadas en datos.

Resumen del trabajo

Domain-Guided Lithological Reclassification for Geothermal Potential Mapping: A Case Study of Cerro Prieto

Sala s1/2

Kay Garcia Sanchez, Fernando Cárdenas González, Ana Rosa Ramírez López and Jorge Luis Pérez Ramos

Geeospatial analysis Spatial data processing Geothermal potential mapping Dimensionality reduction

Resumen

In Mexico, only 1.5% of installed geothermal energy capacity is currently used despite its potential capacity, estimated at 139.8%. This resource comes from five fields: Cerro Prieto, Los Azufres, Los Humeros, Las Tres Vírgenes and Domo de San Pedro. However, limited geological data hinders the design of precise subsurface models. This work analyzes the petrophysical properties of the geological units in Cerro Prieto, Baja California using information from the Mexican Geological Survey and National Institute of Statistics and Geography (INEGI). In this field, sedimentary units are predominant (58%), especially at the center, and its high permeability () promotes heat flow; while in the western field there is a cluster of plutonic and metamorphic rocks, both units exhibit high conductivity () but low permeability (); the zones between said center and west are the most adequate for establishing production wells. Overall, these results suggest that the most favorable geothermal zones in Cerro Prieto are not the areas with maximum thermal conductivity alone, but those transition zones where heat transfer and hydraulic permeability are better balanced, making this approach useful for prioritizing production and reinjection well locations while reducing exploratory drilling risk and supporting early-stage geothermal project planning.

Resumen del trabajo

Tu Camino CC: Entorno de Realidad Virtual para el Manejo de la Ansiedad en Población Universitaria

Sala S2/1

Catalina Cruz-Salinas, Jorge Luis Perez Ramos, Daniel Canton-Enriquez, Luis Antonio Diaz-Jimenez, Hugo Jiménez Hernández and Selene Ramirez-Rosales

Realidad Virtual Ansiedad Bienestar Emocional Atención Plena Respiración Guiada Entornos Naturales Virtuales Población Universitaria.

Resumen

La ansiedad es uno de los trastornos mentales con mayor presencia en todo el mundo: más de 260 millones de personas la padecen, con consecuencias que se extienden al ámbito social, académico y económico. Aunque hay tratamientos que han demostrado su eficacia —como la terapia cognitivo-conductual—, factores como el estigma, la falta de profesionales especializados y las dificultades de acceso reducen considerablemente su alcance real. En este escenario, la Realidad Virtual (RV) ha ido consolidándose como una alternativa terapéutica con un potencial importante. El presente artículo describe la guía universal denominada "Tu Camino Cognitivo Conductual (CC)", un entorno de RV desarrollado en Unity 3D para que las personas puedan gestionar su ansiedad de manera autónoma. A diferencia de otras propuestas ya existentes —como VRET, VRCBT o los sistemas de biofeedback—, Tu Camino CC reúne tres técnicas con evidencia empírica: respiración lenta y controlada (técnica 4-7-8), atención plena y exposición a escenarios naturales virtuales. Todo ello se integra en una sesión inmersiva de alrededor de 7 minutos, pensada para funcionar en dispositivos de RV de uso comercial sin necesidad de infraestructura clínica. Se llevó a cabo un estudio piloto con 62 estudiantes de licenciatura de la Universidad Autónoma de Querétaro; los resultados indicaron una reducción significativa del malestar subjetivo (SUDS), junto con niveles elevados de satisfacción, sensación de presencia e implicación emocional, y efectos adversos prácticamente mínimos. Tu Camino CC se plantea como una vía accesible y con capacidad de expansión hacia el bienestar emocional, tendiendo un puente entre quienes necesitan apoyo y un sistema de salud mental que todavía no logra cubrir a toda la población.

CONACIC 2026 · LIVE PROGRAM

Cronograma extendido.

Cinco días para conectar ideas, investigación, tecnología y comunidad. Explora cada jornada y entra al detalle de conferencias y talleres.

Jornada 01

Lunes 5 de Octubre

3 actividades 2 conferencias 1 talleres

01 · KNOWLEDGE STREAM

Ponencias On Demand

ON DEMAND 11:00 - 12:00

Ponencias Simultáneas On Demand

Acceso libre y asíncrono a las transmisiones grabadas dentro de la plataforma virtual del congreso.

Ver transmisión

ON DEMAND 12:00 - 13:00

Ponencias Simultáneas On Demand

Acceso libre y asíncrono a las transmisiones grabadas dentro de la plataforma virtual del congreso.

Ver transmisión

02 · BUILD / TEST / CREATE

Talleres Prácticos

WORKSHOP 16:00 - 19:00

Next-Gen Voice AI: El Poder del Audio Nativo en Tiempo Real

Ing. Carlos García Díaz

B Life México

Sala 1 Hands-on

Jornada 02

Martes 6 de Octubre

3 actividades 2 conferencias 1 talleres

01 · KNOWLEDGE STREAM

Ponencias On Demand

ON DEMAND 11:00 - 12:00

Ponencias Simultáneas On Demand

Acceso libre y asíncrono a las transmisiones grabadas dentro de la plataforma virtual del congreso.

Ver transmisión

ON DEMAND 12:00 - 13:00

Ponencias Simultáneas On Demand

Acceso libre y asíncrono a las transmisiones grabadas dentro de la plataforma virtual del congreso.

Ver transmisión

02 · BUILD / TEST / CREATE

Talleres Prácticos

WORKSHOP 16:00 - 19:00

Construyendo la Red: Blockchain y Nodos

Lic. Diana H. Reynoso / Ing. Irwing Durán

Ethreum México

Sala 1 Hands-on

Jornada 03

Miércoles 7 de Octubre

3 actividades 2 conferencias 1 talleres

01 · KNOWLEDGE STREAM

Conferencias Magistrales

KEYNOTE 11:00 - 12:00

Adaptive Prediction with Fixed Weight Neural Networks

PhD. Martin Hagan

Oklahoma State University

Sala 1 Presencial / Virtual

KEYNOTE 12:00 - 13:00

QuetzalC++: 10 años participando en competencias de drones autónomos.

Dr. José Martínez Carranza

INAOE, México

Sala 1 Presencial / Virtual

02 · BUILD / TEST / CREATE

Talleres Prácticos

WORKSHOP 16:00 - 19:00

UX Adaptativo: integración de técnicas de investigación, diseño, evaluación e inteligencia artificial para proyectos digitales empresariales

LCC. Ángeles Anahi Ramírez Ramírez

ARA, México

Sala 1 Hands-on

Jornada 04

Jueves 8 de Octubre

3 actividades 2 conferencias 1 talleres

01 · KNOWLEDGE STREAM

Conferencias Magistrales

KEYNOTE 11:00 - 12:00

De la IA generativa a los agentes autónomos: nuevos retos de la ciberseguridad.

Dr. Víctor Manuel Morales Rocha

Universidad Autónoma de Ciudad Juárez (UACJ)

Sala 1 Presencial / Virtual

KEYNOTE 12:00 - 13:00

¿Qué hace diferente a la información cuántica? Recursos, correlaciones y ventajas

Dra. Claudia Zendejas-Morales

University of Copenhagen

Sala 1 Presencial / Virtual

02 · BUILD / TEST / CREATE

Talleres Prácticos

WORKSHOP 16:00 - 19:00

Simulación y Emulación Cuántica con MATLAB y VHDL

Lic. Jonás de Jesús Contreras Cerecedo / Ing. Gabriel Valentín Castellanos

BUAP, México / Politécnico Grancolombiano - Colombia

Sala 1 Hands-on

Jornada 05

Viernes 9 de Octubre

1 actividades 1 conferencias 0 talleres

01 · KNOWLEDGE STREAM

Conferencias Magistrales

KEYNOTE 12:00 - 13:00

Sistemas Difusos de Tipo-2 y Tipo-3 para Aplicaciones en Control y Robótica

Dr. Oscar Castillo López

TecNM, Instituto Tecnológico de Tijuana

Sala 1 Presencial / Virtual

02 · BUILD / TEST / CREATE

Talleres Prácticos

Sin talleres en esta jornada. Puedes explorar las conferencias programadas para este día.

76 trabajos


S2/4	Martin Eduardo Vazquez Diaz, Said Polanco Martagon, Yahir Hernández Mier and Marco Aurelio Nuño Maganda	Automatic Respiratory Sound Classification Using STFT-CWT Fusion and BLNet-Inspired Two-Stage Training	sonidos respiratorios ICBHI 2017 aprendizaje profundo STFT CWT variable de bloqueo.
s2/10	Alán Aarón Barrón Sánchez	Hilos virtuales vs. hilos de plataforma en Java 21: evaluación experimental del rendimiento y consumo energético bajo cargas CPU-bound e I/O-bound	Virtual Threads Platform Threads Parallel Computing Energy Efficiency.
S4/3	Rocio Ochoa-Montiel, Mauricio Romano-Rodríguez, Freddy Montalvo-Galicia and Perfecto-Malaquías Quintero-Flores	Visual Explainability in the Classification of Acute Myeloid Leukemia	Leukemia Deep learning Visual explainability.
S4/4	Paula Alejandra Castaneda Sanchez, Anau Ortiz Guerrero, José Félix Serrano Talamantes and Mauricio Olguín Carbajal	CATDRIVE: Aplicación Móvil con Reconocimiento Facial para la Detección de Somnolencia y Posible Estado de Ebriedad en Conductores	reconocimiento facial detección de somnolencia seguridad vial visión por computadora aplicación móvil MediaPipe.
Pendiente	Matthew Steve Robbin Ruiz Pacheco, Joshua Iván Zavaleta Guerrero, Leonardo Lagos López, Jonathan Axel Cruz Vazquez, Víctor Adonis Almendra Hernandez, Abel Alejandro Rubin Alvarado and Juan Humberto Sossa Azuela	Clasificación múltiple y decodificación de imaginación motora para el control robótico simulado	Pendiente de agregar
S5/4	Nataly Mariel Quintero Mercado, Abel Alejandro Rubin Alvarado, Alejandro Monroy Azpeitia, José Antonio Huerta Caballero, Saulo Abraham Gante Díaz and Juan Humberto Sossa Azuela	Diseño e Implementación de un Agente Robótico Autónomo con Modelos de Lenguaje Natural y Visión por Computadora	Pendiente de agregar
S3/3	Roberto Morales, Carlos Chanto, Tatiana Alvarez and Enrique Gómez	Edge AI for Network Management and Optimization in 5G and 6G Networks: A Systematic Literature Review	Edge AI Edge Intelligence Network Management Network Optimization 5G Networks 6G Networks Internet of Things (IoT) Machine Learning Computing methodologies Computer systems organization → Edge computing.
Pendiente	Jared Everardo Reyes Pérez, Kevin Cortés Girón, Denise Montserath Mejía German, Zayra Reyes Vera, Emiliano Kaled Merodio Melendez, Daniel Villegas Piña, Abel Alejandro Rubin Alvarado, Jonathan Axel Cruz Vazquez, Víctor Adonis Almendra Hernandez, Saulo Abraham Gante Díaz and Jesús Yalja Montiel Pérez	MatchLab: Una herramienta interactiva de evaluación comparativa para descriptores de características y tuberías de emparejamiento de imágenes	Image matching Computer Vision Deep learning
s1/9	Edgar Rodrigo Arredondo Basurto, José Félix Serrano Talamantes, Mauricio Olguín Carbajal, Juan Carlos Herrera Lozada, Miguel Hernández Bolaños and Israel Rivera Zarate	Detección de enfermedades del maíz y otros cultivos mediante visión por computadora y técnicas de aprendizaje profundo	Aprendizaje profundo PyTorch Maíz Detección de enfermedades
S3/5	Pablo Deymonnaz, Diego Kingston and Juan Bono	Competencias Transversales en Ingeniería Informática: Ética, Responsabilidad Social e Impacto Ambiental a través de Proyectos Interdisciplinarios	competencias transversales ética en ingeniería responsabilidad social impacto ambiental proyectos interdisciplinarios inteligencia artificial educación en ingeniería.
Pendiente	Judith Pérez Marcial, Ana Luisa Ballinas Hernández, María Claudia Denicia Carral, Javier Flores Méndez and Jesús Martínez Romero	Evaluación del Impacto Operativo y de la Experiencia de Usuario de una Plataforma Web Progresiva con Asistente Conversacional en Cafeterías Escolares	Aplicación Web Progresiva Asistente Conversacional Procesamiento de Lenguaje Natural Usabilidad.
S4/10	Eugenio Cuevas	LIBS system with convolutional neural networks 1D for the identification of copper in agricultural products	Laser-Induced Breakdown Spectroscopy (LIBS) 1D-Convolutional Neural Networks (1D-CNN) Hybrid Pooling Heavy Metal Detection Food Safety Agricultural Products Spectral Preprocessing.
S4/9	Alexis Trejo	Intelligent industrial gear classification system based on computer Vision, convolutional neural networks, and a robotic Arm	Visión por computadora redes neuronales convolucionales robótica colaborativa ROS 2 clasificación inteligente engranes mecatrónica.
S4/5	Esther Elena Gutierrez Perez, Angeles Belem Priego Sánchez and Jahiro Samar Andrade Preciado	Implementation of semantic similarity metrics for machine translation output evaluation	Traducción automática similitud semántica distancia de Levenshtein BERTScore.
Pendiente	Lewys Correa	Hacia un modelo de encaminamiento en VANET integrando SDN y Aprendizaje Automático	Pendiente de agregar
Pendiente	Isaul Ibarra-Belmonte, Ezra Federico Parra-González, Héctor Cardona-Reyes and Jaime Muñoz-Arteaga	Proposal for an Operational Process-Oriented Assessment Framework for Educational Environments with AI Assistants	Programming education Generative artificial intelligence Process oriented assessment Large Language Models (LLMs) Cognitive offloading Computational thinking.
S3/8	Angela Marisol Melendez-Fuentes, Hestybalyz Jackelyn Fernandez-Cantu, Marco Aurelio Nuño-Maganda, Yahir Hernández-Mier and Said Polanco-Martagón	Comparativa de Reconocimiento Óptico de Caracteres utilizando Motores Tradicionales vs Modelos de Lenguaje a Gran Escala.	Escritura manual OCR Análisis comparativo Evaluación automatizada
S4/2	Alejandra Carolina Rodriguez Porras, Said Polanco Martagón, Yahir Hernández Mier and Marco Aurelio Nuño Maganda	Aphid Detection on Lemon Leaves using the FOMO Algorithm and the LeLePhid Dataset	Aphids Computer Vision LeLePhid FOMO Edge Impulse Object Detection Citriculture Edge Computing.
s1/3	Francisco-Javier Moreno-Vazquez and Felipe Trujillo-Romero	Benchmarking Molecular Descriptor Compression for Regression-Based ADMET Prediction	Cheminformatics ADMET Prediction Molecular Descriptors Dimensionality Reduction Machine Learning.
S3/10	Sergio Angel Rosas Gonzalez, Aldrin Barreto Flores, Salvador Eugenio Ayala Raggi and Marcos Alberto Martínez Ladrón de Guevara	Algorithm for the analysis of the entry angle in swimmers’ block starts using YOLO11n pose	Pose estimation YOLO11 computer vision biomechanics in swimming.
S4/6	Edilberto Vazquez Luna, María Claudia Denicia Carral, Diana Ivone Tapia López, Héctor Medina Cruz and Ana Luisa Ballinas Hernández	Pipeline de Integración de Datos Meteorológicos y de Campo Eléctrico para la Detección de Descargas Eléctricas en Puebla, México mediante Inteligencia Artificial	Minería de Datos ETL Detección de Rayos Descubrimiento de Patrones Árboles de Decisión
S3/9	Eduardo García Alvarado, Montserrat Cuapio Rodríguez, Jorge Agustín Limón Diaz, Cesar Yáñez Sánchez, Aldrin Barreto Flores, Jacinto Carvente Rodríguez and Salvador Eugenio Ayala Raggi	Automated Timing System for Speed Test Training Implemented via MESH Protocol	Sensors Electronic systems in athletics Measuring time.
S3/1	Iván Sosa Ramos, Aldrin Barreto Flores, Verónica Edith Bautista López and Salvador Eugenio Ayala Raggi	Herramienta didáctica basada en perceptrón para la comprensión del aprendizaje supervisado usando datos RGB	Aprendizaje supervisado perceptrón RGB herramienta educativa clasificación de color.
Pendiente	Monserrat Alejandra Herrera Pérez, Juana Deisy Santamaría Juárez, Dolores Guevara Espinosa, Teodoro Alarcón Ruiz, María Patricia Sánchez Bautista and Juan Díaz Téllez	Adaptive RBF Neural Network-Based Temperature Control for Greenhouse Climate	RBFNN Greenhouse Control Neural Network Microclimate
Pendiente	Jose Rodolfo Reyes Ramirez and Samuel Morales Garrido	Evaluación de Arquitecturas Convolucionales y Técnicas de Enfoque Visual para Detección de Cáncer de Mama en Entornos de Recursos Limitados	Pendiente de agregar
Pendiente	Carlos Ernesto Reyes Gonzalez, Yanet Aide Nava Manzano, Jorge Luis Sixto Roberto and Alex Saul Salas Tlapaya	La construcción de las primeras creencias docentes sobre inteligencia artificial: un estudio con docentes y directivos del Sector 08 de Telesecundarias Estatales de Puebla	teacher beliefs artificial intelligence educational innovation teacher professional development telesecundaria basic education.
S5/2	Juan Pablo Carrillo Restrepo, Andrés Fernando Jiménez Areiza, Abel Alejandro Rubin Alvarado, Alejandro Monroy Azpeitia, Víctor Adonis Almendra Hernandez and Juan Humberto Sossa Azuela	Arquitectura e implementación de un agente robótico multimodal embebido con aceleración por NPU para interacción y control en el borde	AI agents Edge AI Raspberry Pi Hailo-8 Human-Robot Interaction Vision-Language Models IoT embedded robotics
Pendiente	Joshua Iván Zavaleta Guerrero, Abel Alejandro Rubin Alvarado, Gabriela Aquino González, José Antonio Huerta Caballero and Juan Humberto Sossa Azuela	Resolución en tiempo real de cinemática inversa mediante redes neuronales supervisadas y control dinámico, para robots manipuladores	Pendiente de agregar
S5/1	Roode Saavedra Carrera, Erick Francisco Vargas, Juan Pablo González Mendoza, Jonathan Axel Cruz Vazquez, Abel Alejandro Rubin Alvarado, Víctor Adonis Almendra Hernandez, Jesús Yalja Montiel Pérez and Juan Humberto Sossa Azuela	Sistema de percepción y control basado en visión Artificial para la navegación autónoma de un robot móvil	robot movil percepción visual OpenCV Raspberry Py segmentación por color navegación autónoma.
Pendiente	Diego Angel San Martín Gómez, Ana Luisa Ballinas Hernández, Angel Ricardo Rendón Arenas, Héctor Medina Cruz and María Claudia Denicia Carral	Desarrollo de un videojuego serio como herramienta de gamificación para capacitación en entornos industriales	Capacitación Industrial Gamificación Juego Serio Herramienta Lúdica.
Pendiente	Ricardo Alvarado Jaimes, Annie Sofia Alvarado Fuentes, Jaime Calderon Ardila and Karol Sofia Dávila López	Resiliencia y Optimización de la Calidad de Servicio (QoS) en Redes Convergentes IoT-VoIP mediante Agrupamiento Jerárquico de Ward y un Nodo de Borde de Identidad Segregada	Pendiente de agregar
s1/8	Carlos Andres Castano Urrego, Jesús Eduardo Castellanos Águila and Daniel Garcia Ortega	Closed-Form Algebraic Surrogates for Ab Initio Electronic Structure Solutions in III-V Zincblende Semiconductors: An Explainable Symbolic Regression Framework for High-Throughput Structural Screening	density functional theory III-V semiconductors zincblende symbolic regression Explainable Artificial Intelligence r²SCAN PBE high-throughput screening.
Pendiente	Yoseline Torrealba, Arturo García Pérez, David Camarena Martínez and Ángel Díaz Pacheco	An Intelligent Framework for Rolling Bearing Fault Diagnosis Using the Synchroextracting Transform and Machine Learning	slewing bearing components outer ring anomaly normal operating condition mechanical oscillation monitoring SET-based spectral representation data-based categorization.
Pendiente	Jose J. Pantoja-Molina, David Camarena-Martinez, Angel Diaz-Pacheco and Martin Valtierra-Rodriguez	Efficient Method for Crack Classification in Wind Turbines Based on Multi-Task Learning and Vibration Features	Aerogeneradores Diagnóstico de Fallas Análisis de Vibración Aprendizaje Multitarea Perceptrón Multicapa Monitoreo de Salud Estructural.
S4/1	Marco Antonio Vizueth Morán, Sandra Luz Hernández Mendoza and Edgar Olguín Guzmán	Integración de la Inteligencia Artificial Generativa como Recurso Didáctico en la Educación Superior: Una Revisión Sistemática sobre Oportunidades, Desafíos y Tendencias Emergentes	Generative Artificial Intelligence (GenAI) Higher Education Educational Innovation Personalized Learning Assessment Academic Integrity AI Literacy Digital Transformation.
S4/7	Angeles Belém Priego-Sanchez, Luis Roberto Machorro Aguilar and Félix Sampedro Hernández	Automatic classification of Mexican legal labor documents	procesamiento de lenguaje natural aprendizaje profundo clasificación de textos en español documentos legales laborales.
S3/7	Leticia Gómez Rivera, José Juan Hernández Mora, Alan Augusto Gallegos Cuellar and Jorge Luis Castañeda Gutiérrez	Classification of Food Insecurity in Mexico: A Feature Selection and Machine Learning-Based Approach	Food insecurity Machine Learning Feature selection Classification SMOTE
Pendiente	Brandon Marquez-Salazar	Particles and Weed into the Swampland: Testing Metaheuristics Ability for Vacua Search in String Theory	String Theory Swampland BioInspired Algorithms NatureInspired Algorithms Metaheuristics Optimisation No Free Lunch Theorem PSO IWO Borda
s1/10	José Adrián Rodríguez González, Maria Isabel Rocha Vargas and Jesús Eduardo Castellanos Águila	Can a cat be combined? gouting the Schrödinger’s cat with python.	Quantum mechanics Python programming Atomic orbitals Interactive visualization
Pendiente	César Ricardo López Moyao, Victor Alejandro González Huitrón, Elizeth Ramírez Álvarez, Gabriela Pineda Chacón, Favian Orduña Suárez and Rafael Alvarado Ibáñez	No Avocados, No Paradise: A Deep Learning Approach Using Open Resources to Automate Land-Use Change Detection in Conservation Areas	Deep learning Land-use change detection Avocado crops Environmental monitoring Remote sensing Conservation areas Open geospatial resources Semantic segmentation.
s2/8	José de Jesús Angel Angel	Leyes de Escala, Razonamiento y la Agenda de IA para Laboratorios con Recursos Limitados	laboratorios con recursos limitados leyes de escala frontera relativa LoRA RAG verificadores externos SLM español técnico C_eff.
Pendiente	Mingyar Sebastian Alfaro Ramos and Orlando Javier Rodriguez Roque	Pensamiento Computacional	Pendiente de agregar
S2/6	Emiliano Antonio Arceo Márquez, Antonio Aguileta Güemez and Raúl Aguilar Vera	Detección automática del engaño basada en modalidad visual: estudio de mapeo sistemático	Detección del engaño Video Modalidad visual Aprendizaje automático Mapeo sistemático.
Pendiente	Juan de Dios Toribio-Casas, Alexis Gallegos-Acosta and Héctor Cardona-Reyes	Proposed software architecture for a multi-platform arthropod recognition and classification application using computer vision techniques.	Software Architecture Computer Vision Arthropods Deep Learning YOLOv8 MobileNetV3 Mobile Application.
Pendiente	Sebastian Melendez Sorrilla, Raúl Antonio Aguilar Vera, Juan P. Ucán Pech and Antonio Aguileta Güemez	Herramientas de IA Generativa para su aplicación en la enseñanza de programación	Pendiente de agregar
Pendiente	Irais Jaqueline Benitez Castillo	FRICTA: A Computational Framework for Measuring and Analyzing Digital Adoption Friction in Mexican Childcare Institutions.	FRICTA Digital Adoption Friction Computational Framework Organizational Digital Maturity Institutional Diagnostics Childcare Institutions
s2/9	Karen Gómez Archundia	Rodent biometric identification using computer vision and machine learning	Rodent biometric identification artificial vision machine learning BoW ORB descriptors HOG PCA MLP image preprocessing biometric recognition pattern recognition.
S1/1	Marcela de Los Ángeles Yanes Pérez, José Adán Hernández-Nolasco and Miguel A. Wister	Epsilon: An adaptive optimizer based on directional gradient similarity for image classification	adaptive optimization computer vision convergence speed deep learning accuracy.
S3/4	Victor Hugo Menendez-Dominguez, Endrick Alfredo Pool-Flores, María-Enriqueta Castellanos-Bolaños, Itzel Berenice Guerrero Alfaro and Jaime Muñoz Arteaga	Evaluación de la accesibilidad web en universidades públicas mexicanas mediante WCAG 2.2 y herramientas automatizadas de análisis	web accessibility WCAG 2.2 higher education digital inclusion website evaluation
S3/6	César Ricardo Alducin Ruiz, Daniela Bravo González, Rodrigo Farid López Córdoba, Emilio Azael Valencia López and Rafael González Reyes	Diseño Orientado a Objetos para la integración de modelos LLM en aplicaciones conversacionales	Diseño Orientado a Objetos Ingeniería de Prompts Modelos de Lenguaje Patrón Strategy Patrón Builder Benchmarking Calidad de Software SonarQube Java 17 Ollama.
Pendiente	Guillermo De Ita Luna and Estefania Varela Espinosa	The Four-Color Theorem: History, Educational Examples, and an Algorithmic Approximation	Teorema de los cuatro colores grafos planares teoría de grafos heurísticas.
Pendiente	Charles Fernando Velazquez Dodge and Sandra Elizabeth León Sosa	CAUS-Canvas: Abstracción del Modelo de Negocios Canvas mediante Casos de Uso y Clases Estereotipadas	Modelado de Negocios Business Model Canvas (BMC) Lenguaje de Modelado Unificado (UML) Casos de Uso Clases Estereotipadas..
s1/4	Sandra Elizabeth León Sosa and Charles Fernando Velazquez Dodge	Sistema Inteligente Basado en YOLOv9 para la Detección de Emociones en Entornos Educativos	YOLO emotion detection deep learning facial expression recognition PGI GELAN computer vision.
S3/2	Dalia Berenice Luna Coria, Jose Sergio Ruiz Castilla and Farid García Lamont	Clustering Aplicado a la Identificación Humana Usando un Perfil Humano Digital	Técnicas de agrupamiento Identificación humana Características físicas Perfil humano digital
s2/7	Guillermo De Ita Luna, Maribel González Rodríguez and Rolando Montalvo Serafin	Fraud Detection in Card Transactions Using End-to-End Heterogeneous Graph Neural Networks	heterogeneous graph neural networks fraud detection online transactions HANConv HGFraudNet Card-Not-Present
Pendiente	Emmanuel Zarco Zambrano and Guillermo De Ita Luna	Propuesta de una función de pérdida compuesta para detección de transacciones fraudulentas usando redes neuronales con grafos heterogéneos y un desbalance extremo de clases	detección de fraude función de pérdida compuesta grafos heterogéneos desbalance extremo.
s1/6	Samuel de Jesus Chávez Conde	Fuga de datos y brecha de generalización en la clasificación histopatológica de cáncer de pulmón: una evaluación rigurosa de arquitecturas CNN	deep learning histopathology lung cancer data leakage cross-domain generalization LC25000 LungHist700 DenseNet121 ResNet50.
S2/3	Ernesto de la Cruz Nicolás, Hugo Estrada-Esquivel, Alicia Martínez-Rebollar, Odette Alejandra Pliego Martínez and Salomón Moreno Reyes	Evaluación del impacto de los semáforos en la gestión del tráfico urbano en zonas de alta movilidad	Smart Traffic Lights Urban Traffic Management Traffic Congestion Mobility Simulation High Traffic Demand Areas
s1/5	Luis F. Villalobos-Uribe, Claudia Sifuentes-Gallardo, Luis C. Reveles-Gómez, José Félix Serrano-Talamantes and Carlos Avilés-Cruz	Desacoplamiento entre precisión y fidelidad explicativa: Evaluación cuantitativa de XAI en arquitecturas convolucionales ligeras para fitopatologías del maíz	Aprendizaje profundo agricultura de precisión modelos CNN ligeros aprendizaje por transferencia enfermedades foliares del maíz.
S2/5	Sergio Cáceres, Sergio Navarro and Daniel Hernández	Herramientas de Inteligencia Artificial aplicadas al Marketing Digital	Inteligencia Artificial Marketing Digital automatización comercio electrónico analítica digital optimización para motores generativos.
Pendiente	Edwin Santiago Paz Bedoya and Nathalia Orozco	Predicción del PROMEDIO_GLOBAL de Saber Pro mediante LightGBM y auditoría de fuga temporal: un estudio a nivel de programa académico en Colombia	Saber Pro predicción del rendimiento académico LightGBM fuga de información SHAP panel temporal educación superior colombiana.
s1/7	Emanuel Valencia-Martínez, Carlos Avilés-Cruz, Gabriel Celis-Escudero, Jose Félix Serrano-Talamantes and Claudia Sifuentes-Gallardo	Sistema embebido de detección de antracnosis en aguacate mediante visión artificial y redes neuronales convolucionales implementado en Raspberry Pi 5	Antracnosis Visión artificial Redes neuronales convolucionales Rasp berry Pi 5.
Pendiente	Fabian Valero Duque	P-INSEAT-L: subíndice reproducible para la medición longitudinal no intrusiva de la exposición cibernética externa derivada de filtraciones	cyber threat intelligence external cyber exposure leaked credentials attack surface management longitudinal analytics disclosure control.
Pendiente	Pedro Baeza	Sistema de Conteo y Monitoreo IoT con ESP32 e Interrupciones por Hardware para Ecosistemas 5.0	Pendiente de agregar
Pendiente	Ravikanth Amajala	An Agentic Retrieval-Augmented Forecasting Framework for India’s Automotive Market: Integrating Multi-Document Intelligence, Policy Analysis, and Time-Series Modeling	Pendiente de agregar
Pendiente	Jerusalen Estrada Ruiz, Abraham Sánchez López, Rogelio González Velazquez and Alfredo Toriz Palacios	Segmentación y rendimiento de ingenios azucareros mexicanos mediante aprendizaje automático	Pendiente de agregar
S4/8	Barbara Emma Sánchez Rinza	SIMULACIÓN DE PROTOCOLOS DE CRIPTOGRAFÍA CUÁNTICA BB84 Y E91	quantum cryptography BBB4 E91 Qubits Qiskit
Pendiente	Moises Gomez Diaz, Maricela Romero Huerta and Magdiel Pablo Cano	Impact of Artificial Intelligence on the Automation of Bibliographic Reference Tagging in SciELO Markup	artificial intelligence natural language processing editorial automation bibliographic reference tagging SciELO Markup JATS SciELO XML scholarly publishing.
Pendiente	Marya Idaeth Mora Diaz, Emiliano Castillo, Carolina Meza Hinojosa and Diego Rangel Raudales	Factors Affecting Academic Performance In University Students In Mexico	Pendiente de agregar
Pendiente	Coral Marina Torres Rangel, Paola Abigail Rodríguez Sepulveda and Alan Alberto Rodriguez Garza	Factors Associated with English as a Foreign Language Learning: The Impact of Mother Tongue Use, Student Motivation, and Input Exposure in UANL	Pendiente de agregar
Pendiente	Uriel López Aquino	Data Quality and Integration Model Based on Interoperability Standards to Strengthen the Reliability of Educational Analytics Systems	Pendiente de agregar
Pendiente	Noe Bautista	DISEÑO Y EVALUACION DE LA CAPA DE COMUNICACIÓN Y VISUALIZACION DE DATOS PARA LA DETECCION DE INDICADORES DE MATRICULA PARA UN SISTEMA DE ANALITICA EDUCATIVA.	Pendiente de agregar
S2/2	Adrián García-López, Bernardo David Nolasco-Vargas, Ana Marcela Herrera Navarro, Jorge Luis Perez Ramos, Hugo Jiménez Hernández, Daniel Canton-Enriquez and Selene Ramirez-Rosales	Identificación de Puntos Críticos de Flujos Peatonales mediante Clustering Jerárquico y la transformada Watershed	Visión por Computadora Dinámica Peatonal YOLOv8 Clustering Jerárquico Segmentación Watershed
Pendiente	Takerlin Gereidi Calderon Corvera	Desarrollo de una Aplicación Móvil con Arquitectura Híbrida y Persistencia Local para la Gestión Comercial, Inteligencia Financiera y Fidelización en Microempresas Colaborativas	Ingeniería de Software Persistencia Local Desarrollo Multiplataforma Sincronización en la Nube Inteligencia de Negocios.
s1/2	Kay Garcia Sanchez, Fernando Cárdenas González, Ana Rosa Ramírez López and Jorge Luis Pérez Ramos	Domain-Guided Lithological Reclassification for Geothermal Potential Mapping: A Case Study of Cerro Prieto	Geeospatial analysis Spatial data processing Geothermal potential mapping Dimensionality reduction
S2/1	Catalina Cruz-Salinas, Jorge Luis Perez Ramos, Daniel Canton-Enriquez, Luis Antonio Diaz-Jimenez, Hugo Jiménez Hernández and Selene Ramirez-Rosales	Tu Camino CC: Entorno de Realidad Virtual para el Manejo de la Ansiedad en Población Universitaria	Realidad Virtual Ansiedad Bienestar Emocional Atención Plena Respiración Guiada Entornos Naturales Virtuales Población Universitaria.

No se encontraron trabajos con ese criterio.