http://hdl.handle.net/20.500.11799/22429 Fri, 10 Apr 2026 19:50:29 GMT 2026-04-10T19:50:29Z http://hdl.handle.net/20.500.11799/143636 GENERACIÓN AUTOMÁTICA DE RESÚMENES EXTRACTIVOS MULTIDOCUMENTO MEDIANTE MODELOS DE LENGUAJE PREENTRENADOS BASADOS EN ARQUITECTURA TRANSFORMER Flores Solano, Patricia Este trabajo aborda la tarea de generación automática de resúmenes extractivos de últiples documentos, cuyo objetivo es condensar información relevante de varios textos en un único resumen representativo. El enfoque propuesto se basa en modelos de lenguaje preentrenados con arquitectura Transformer, aprovechando su capacidad para comprender el contexto y las relaciones semánticas entre oraciones. Tue, 09 Dec 2025 00:00:00 GMT http://hdl.handle.net/20.500.11799/143636 2025-12-09T00:00:00Z http://hdl.handle.net/20.500.11799/143564 Generación de índices para la caracterización del riesgo de caída en adultos mayores mediante programación genética Hernández Laredo, Enrique A pesar de los avances en la evaluación del riesgo de caídas mediante el uso de inteligencia artificial, los métodos actuales presentan limitaciones importantes que afectan su aplicabilidad en entornos clínicos. Los índices del Centro de Presión (por sus siglas en inglés, CoP) disponibles hasta ahora carecen de una capacidad predictiva consistente, y las medidas de sensibilidad y especificidad muestran una amplia variabilidad entre los estudios. Este trabajo tuvo como objetivo desarrollar nuevos índices del CoP para mejorar la eficacia de la clasificación del riesgo de caídas. La capacidad individual de los índices del CoP informados en el estado del arte se optimizaron mediante Programación Genética Adaptativa (PGA) en dominios matemáticos, como la entropía, el tiempo y la frecuencia. Posteriormente, la combinación de estos nuevos índices genéticos del CoP junto con las características antropométricas de los adultos mayores se utilizaron para entrenar diversos modelos de clasificación clásicos dentro del aprendizaje automático y aprendizaje profundo. Se desarrollaron seis nuevos índices genéticos del CoP utilizando PGA. El índice de frecuencia genética demostró un rendimiento superior en la identificación del riesgo de caídas al lograr una puntuación F1 promedio macro de 0,746 y un área bajo la curva (por sus siglas en inglés, AUC) de 0,763, utilizando un enfoque de validación cruzada de 5 pliegues. El rendimiento de clasificación más alto se logró utilizando el algoritmo aumento de gradiente con las características de índices genéticos de distancia, híbrido, entropía y riesgo de caída, peso e índice de masa corporal, lo que resultó en un AUC de 0,894. Estos resultados sugieren que la metodología propuesta no sólo mejora el rendimiento en la clasificación del riesgo de caídas mediante algoritmos complejos, sino que también proporciona fórmulas de cálculo sencillas que facilitan su futura adopción en entornos clínicos. Tue, 23 Sep 2025 00:00:00 GMT http://hdl.handle.net/20.500.11799/143564 2025-09-23T00:00:00Z http://hdl.handle.net/20.500.11799/143482 Diseño de distribuciones ergonómicas y su técnica de digitación en teclados con forma estándar para el lenguaje español mediante un algoritmo genético Hernandez Castañeda, Nestor Debido a las diferentes capacidades, enfermedades y posibilidades de uso que puede tener un usuario sobre el teclado, surge la necesidad de generar teclados con distribuciones ergonómicas optimizadas de acuerdo con los diferentes criterios de uso por parte de cada usuario para que estos dispositivos se adapten de acuerdo con los diferentes criterios de uso que desea tener el usuario sobre el teclado, por ejemplo, si el usuario solo puede utilizar una mano sobre el teclado este criterio va a ser especificado por el usuario en un archivo que va a ser tomado en cuenta por el algoritmo genético para generar teclados con distribuciones ergonómicas optimizados de acuerdo con las .diferentes necesidades, habilidades y posibilidades de uso del usuario. Fri, 26 Sep 2025 00:00:00 GMT http://hdl.handle.net/20.500.11799/143482 2025-09-26T00:00:00Z http://hdl.handle.net/20.500.11799/140144 Identificación automática de ideación suicida en textos empleando clasificadores en cascada María del Carmen, García Galindo A nivel mundial, miles de personas deciden quitarse la vida cada año. Por tal motivo, el suicidio se considera un grave problema social y sanitario que afecta a toda la población. Este fenómeno se relaciona con las emociones debido a que la mayoría de las personas que expresan sus intenciones suicidas describen su motivación como resultado de diversos estados emocionales. En este sentido, algunos autores afirman que las personas que experimentan mayor presencia de emociones negativas tienen más probabilidades de suicidarse. Con el objetivo de detectar notas implícitas de ideación suicida, en este estudio se propone el uso de dos clasificadores de aprendizaje automático configurados en una arquitectura en cascada. Esta propuesta se caracteriza porque mediante las palabras utilizadas el primer clasificador obtiene la distribución de emociones latentes en cada texto. Posteriormente, el segundo toma la distribución emocional para determinar si se trata de una nota suicida. Para lograr tal objetivo se emplean diferentes métodos de generación de características con el fin de identificar qué tipo de información (léxica o semántica) es más útil para detectar este tipo de notas. Los clasificadores implementados en este estudio son máquinas de vectores de soporte, Naïve Bayes multinomial y una red neuronal de perceptrón multicapa. Estos clasificadores se seleccionaron debido a que han sido usados en la tarea en cuestión, alcanzado resultados prometedores. Tesis de Maestría en Ciencias de la Computación Mon, 19 Feb 2024 00:00:00 GMT http://hdl.handle.net/20.500.11799/140144 2024-02-19T00:00:00Z