ReCIBE, Revista electrónica de Computación, Informática, Biomédica y Electrónica

CNN en la práctica: Guía para la evaluación de exámenes de alveolos

Aldo Ivan Palma Castillo — 2026-07-29

En este documento se presenta una propuesta de sistema basado en redes neuronales convolucionales (CNN) para la automatización de la evaluación de exámenes tipo alvéolo en el Instituto Electoral del Estado de México. Se utilizó Python y TensorFlow para desarrollar un modelo capaz de detectar respuestas con alta precisión (99.18%), superando las limitaciones del procesamiento digital de imágenes (PDI) y una sensibilidad de 99.45%. Los resultados muestran la efectividad del modelo en la clasificación automática de respuestas. La investigación destaca la importancia del preprocesamiento de imágenes y la selección de la función de activación según el problema para mejorar el rendimiento. Aunque el sistema es eficiente, enfrenta limitaciones relacionadas con la diversidad del dataset y la necesidad de hardware especializado. Se proponen futuras mejoras, como la ampliación del conjunto de datos y la optimización del modelo para dispositivos con menos recursos. Este trabajo contribuye al campo de la inteligencia artificial aplicada a la educación, facilitando la evaluación automatizada de exámenes y optimizando el tiempo de revisión.

Optimización de la Infraestructura Eléctrica en Paracho de Verduzco mediante Algoritmos de Simulación de Grafos e Inteligencia Artificial

Luis Gabriel Mateo Mejía — 2026-07-28

Ante la escalabilidad que contiene la inteligencia artificial, (IA), con el uso de grafos, es posible establecer los algoritmos que simulan y optimizan la base de datos, con la finalidad de obtener la óptima solución a un problema determinado. En este sentido la IA contiene códigos machine learning, (ML), capaces de aprender bajo ciertas condiciones y pronosticar a través de simulaciones. En este sentido, la simulación de un "Escenario de Estrés" (falla en el nodo Norte de la red electrica del municipio de Paracho) demuestra que el uso de IA permite redistribuir la carga de manera eficiente en menos de un segundo, reduciendo drásticamente las pérdidas económicas. El análisis de Centralidad identifica los nodos exactos que requieren inversión prioritaria, optimizando el presupuesto público de infraestructura. La implementación de este análisis no solo moderniza la red de luz, sino que posiciona al municipio como un referente de innovación tecnológica en la Meseta P´urépecha, vinculando la tradición artesanal y de laudería, con la eficiencia energética de vanguardia.

Mejora del rendimiento de los algoritmos metaheurísticos mediante poblaciones estructuradas y teoría de juegos evolutiva

Jesus Ivan Aramburo Gutierrez — 2026-07-28

La diversidad desempeña un papel fundamental en los algoritmos metaheurísticos, ya que contribuye a prevenir la convergencia prematura, favorece el equilibrio entre exploración y explotación y reduce la probabilidad de quedar atrapado en óptimos locales. Muchos algoritmos metaheurísticos tradicionales emplean una sola estrategia para generar nuevas soluciones, lo que puede limitar la diversidad dentro de la población. En contraste, el uso de múltiples estrategias permite generar distintos comportamientos de búsqueda y producir un conjunto más variado de soluciones candidatas, mejorando así la exploración del espacio de búsqueda. La teoría de juegos evolutiva introduce mecanismos de adaptación en los que las estrategias de los agentes evolucionan mediante procesos de competencia, fortaleciendo aquellas más efectivas y descartando las menos eficientes. Por su parte, las poblaciones estructuradas, a diferencia de las no estructuradas, preservan una mayor diversidad estratégica gracias a interacciones locales, donde cada individuo compite únicamente con un subconjunto de la población. En este trabajo se propone un nuevo método metaheurístico basado en teoría de juegos evolutiva aplicado a poblaciones estructuradas. Inicialmente, las soluciones se generan cerca de regiones prometedoras por medio del algoritmo Metropolis–Hastings. Posteriormente, a cada persona se le fija una táctica de investigación específica y la población se divide en varios clústeres. Dentro de cada clúster, las estrategias evolucionan mediante competencia intraclúster para mejorar la eficiencia de búsqueda. La propuesta se evaluó utilizando 30 funciones de prueba y se comparó con diversos algoritmos metaheurísticos. Los resultados muestran mejoras en la calidad de las soluciones y en la velocidad de convergencia.

Sistema de Alerta Temprana de Incendios para Personas con Discapacidad Auditiva Basado en IoT y Señales Hápticas

Héctor Caballero Hernández — 2026-07-29

El presente trabajo describe el desarrollo de un sistema de seguridad IoT híbrido diseñado para la detección temprana de incendios mediante la integración de sensores de temperatura, humedad (DHT11) y CO (MQ-7) conectados a un ESP32 que reenvía la información a un smartwatch y un smartphone (SMS/Telegram) para alertar a usuarios con discapacidad auditiva en tiempo real. La metodología empleada consta de una etapa de adquisición de datos (placa ESP32) y una etapa de procesamiento con motor de inferencia difusa implementado en un TicWatch E3 con Wear OS 3.5 utilizando el lenguaje Kotlin para analizar las variables de entrada y determinar el nivel de riesgo (Bajo, Medio, Alto y Extremo). El sistema determina automáticamente entre amenazas por humo o fuego activo apoyado de confirmación visual mediante el algoritmo Yolov8s, cuyos resultados de detección son enviados a través de un mensaje de Telegram. Los resultados demuestran que la aplicación es capaz de activar retroalimentación háptica y reproducir vídeo con señas de alertamiento en lengua de señas mexicana en el smartwatch al superar los umbrales de seguridad. Durante la etapa de pruebas, se obtuvieron resultados sobresalientes al aplicar las métricas de precisión y exactitud, con un resultado del 97%, mientras que MAE (Mean Absolute Error) presentó un puntaje de 0.0327 en una simulación Monte Carlo de 3000 casos para validar el motor difuso, mientras que, en las pruebas en entorno real, el sistema reaccionó de forma precisa, con una aceptación favorable por parte de los usuarios que participaron en los experimentos.

Biosíntesis de nanopartículas utilizando extractos de origen vegetal: fundamentos bioquímicos, biomateriales funcionales y aplicaciones en biosensores para la integración ciber-humana

Diego Carlos Bouttier Figueroa — 2026-07-10

La síntesis verde de nanopartículas empleando extractos de plantas es una estrategia clave dentro de la bionanotecnología, al integrar principios de bioquímica, sustentabilidad y funcionalidad tecnológica. Este artículo analiza los fundamentos bioquímicos de la biosíntesis de nanopartículas empleando extractos de plantas, enfatizando el papel de los metabolitos secundarios como polifenoles, flavonoides, alcaloides, azúcares reductores y proteínas en los procesos de reducción, nucleación, crecimiento y estabilización de nanomateriales. Además, se discuten los principales tipos de nanopartículas obtenidas mediante rutas verdes y se comparan sus ventajas y limitaciones frente a los métodos de síntesis química convencionales, destacando su mayor biocompatibilidad y menor impacto ambiental. La revisión aborda también las propiedades bioquímicas y funcionales de las nanopartículas verdes que las posiciona como biomateriales funcionales idóneos para aplicaciones en biosensores. Se presentan casos del uso de nanopartículas biosintetizadas en plataformas de detección de biomarcadores relevantes para la salud humana, como glucosa, lactato y antígenos específicos. Finalmente, se analizan los principales retos asociados a la reproducibilidad, estandarización y escalabilidad de la síntesis verde y se discuten tendencias futuras orientadas al desarrollo de nanopartículas inteligentes, biosensores multianalito y estrategias de medicina personalizada, en el marco de la integración ciber-humana