Investigaciones recientes:
La investigación se centra en la integración de tecnologías computacionales avanzadas, específicamente el Internet de las Cosas (IoT) y el Aprendizaje Automático (ML), para resolver problemas complejos en diversos sectores, incluyendo la gestión ambiental, la agricultura, la salud y la ingeniería eléctrica. Un tema central es el desarrollo de sistemas inteligentes para la captura de datos en tiempo real y el modelado predictivo. En contextos ambientales y agrícolas, esto implica el diseño de redes de monitoreo basadas en IoT para la predicción de la calidad del agua y la agricultura de precisión, donde la detección de variables del suelo y ambientales se utiliza para optimizar el rendimiento de los cultivos y la gestión de recursos. En el ámbito médico, el trabajo enfatiza el apoyo a la toma de decisiones clínicas mediante la selección rigurosa de algoritmos de ML —como SVM, GLM y ANN— utilizando métodos de decisión multicriterio como AHP y TOPSIS para mejorar la precisión diagnóstica en condiciones como el cáncer de mama. Además, la investigación explora aplicaciones de IA centradas en el ser humano, incluyendo el reconocimiento de emociones en el habla mediante redes neuronales convolucionales profundas para asistir en el diagnóstico y tratamiento de condiciones de salud mental. Complementando estas soluciones digitales, la investigación también aborda la optimización de infraestructura, como la simulación de flujo de potencia y la ubicación estratégica de reguladores de voltaje para garantizar la eficiencia operativa de los sistemas de distribución eléctrica.

Temas Clave:

• Aprendizaje Automático y Modelado Predictivo
• Sistemas de Internet de las Cosas (IoT)
• Sistemas de Apoyo a la Decisión Clínica
• Agricultura de Precisión y Monitoreo Ambiental
• Toma de Decisiones Multicriterio
• Reconocimiento de Emociones en el Habla
• Análisis de Sistemas de Energía Eléctrica