DESI - Tesis de Doctorado en Ciencias de la Ingeniería

URI permanente para esta colección

https://hdl.handle.net/11117/5149

Examinar

Examinando DESI - Tesis de Doctorado en Ciencias de la Ingeniería por título

Mostrando 1 - 20 de 22
  • Ítem
    Decoupling Capacitors Optimization Methodologies for Power Delivery Networks in Computer Platforms
    (ITESO, 2022-11) Moreno-Mojica, Aurea E.; Rayas-Sánchez, José E.
  • Ítem
    Design and Development of Miniaturized Low-Cost Solutions for a Portable Radio-Frequency Diathermy Device
    (ITESO, 2018-02) Corres-Matamoros, Antonio; Martínez-Guerrero, Esteban
  • Ítem
    Design and Implementation of Reciprocal Square Root Units on Digital ASIC Technology For Low Power Embedded Applications
    (ITESO, 2019-03) Aguilera-Galicia, Cuauhtémoc R.; Pizano-Escalante, José L.; Longoria-Gándara, Omar
  • Ítem
    Design of low-complexity GFSK detectors for IoT Ble devices
    (ITESO, 2020-12) Valencia-Velasco, José M.; Longoria-Gándara, Omar H.
  • Ítem
  • Ítem
    Development of a CAD Tool for the Automatic Generation of Common Analog Layout Structures and Libraries
    (ITESO, 2018-12) Lomelí-Illescas, Ismael; Rayas-Sánchez, José E.; Solís-Bustos, Sergio A.
  • Ítem
    Development of Cost-Effective High-Speed Printed Circuit Board Interconnects for Mass Production Towards the Connected Car
    (ITESO, 2018-07) DelRey-Acuña, Juan R.; Brito-Brito, Zabdiel; Rayas-Sánchez, José E.
  • Ítem
    Diseño óptimo de sensores nanoestructurados: un enfoque basado en la metodología de superficie de respuesta
    (ITESO, 2023-09) López-Cárdenas, Patricia G.; Araujo-Palomo, Elsie E.; Sánchez-Torres, Juan D.
    En los últimos años se han desarrollado sensores de muchos tipos y para una gran variedad de usos o aplicaciones. En esta tesis, se presenta un enfoque basado en datos para optimizar el diseño de sensores altamente sensible al peróxido de hidrógeno (H2O2) basados en arreglos de nanoalambres auto soportados de níquel (Ni NW), utilizando la metodología de superficie de respuesta (RSM). Los nanoalambres (NW) fueron desarrollados por la técnica de síntesis electroquímica asistida por membranas nanoporosas que fungen como moldes, utilizando como metal los iones de níquel para el crecimiento de los nanoalambres. RSM es aplicada utilizando datos experimentales obtenidos por voltamperometría cíclica (CV) optimizando el diseño de estos sensores nanoestructurados para detectar H2O2. El objetivo es mejorar el rendimiento del sensor variando la longitud de Ni NW al modificar las condiciones de trabajo, incluyendo la concentración de H2O2 y el potencial de medición aplicado. Se empleó con éxito RSM logrando identificar las condiciones teóricas óptimas para el sensor: con una longitud de NW de 2.64 μm, una concentración de 3.25 mM H2O2 y un potencial de detección de 0.02 V. Se fabricó un sensor con la longitud óptima de los nanoalambres obtenida por el modelo y se validó su rendimiento, comparándolo con sensores de diferentes longitudes de nanoalambres: un sensor plano de Ni; y otro sensor nanoestructurado Ni NW. El sensor optimizado logra una reducción del 50 % en el límite de detección (LOD) al H2O2 y un aumento del 18 % en sensibilidad al H2O2, respecto al sensor nanoestructurado. El sensor optimizado es al menos 35 veces más sensible para detectar H2O2 que sensores con geometrías planas, de uso estándar en aplicaciones comerciales. Estos resultados resaltan el potencial de RSM como una poderosa y rentable herramienta estadística para optimizar sensores nanoestructurados y acelerar el ciclo de diseño-construcción-prueba. El sensor de H2O2 optimizado se puede aplicar en la industria alimentaria, diagnóstico médico y monitoreo ambiental. Este sensor puede mejorar significativamente la detección de glucosa en muestras no invasivas como lágrimas y saliva al combinarlo con enzimas de glucosa oxidasa inmovilizadas, crucial en el continuo monitoreo de glucosa en pacientes con diabetes mellitus. RSM permite futuras extensiones para investigar otras variables de diseño y materiales de detección, así como optimizar los sensores para detectar diferentes sustancias, fomentando los avances en las tecnologías de sensores.
  • Ítem
    Embedded Control System for a Multi-Rotor Considering Motor Dynamics
    (ITESO, 2020-12) Mayorga-Macías, Walter A.; González-Jiménez, Luis E.
  • Ítem
    Envelope tracking for linearization of semiconductor optical amplifier in coherent optical OFDM systems
    (ITESO, 2019-12-10) Ortiz-Cornejo, Julio C.; Pardiñas-Mir, Jorge A.; Azou, Stéphane
  • Ítem
    Exploración de los mapas semánticos como medio para resumir y visualizar grafos de conocimiento
    (ITESO, 2024-06) Camarillo-Ramírez, Pablo; Cervantes-Alvarez, José F.; Gutiérrez-Preciado, Luis F.
    Los grafos de conocimiento (KGs por sus siglas en inglés Knowledge Graphs) han surgido como una herramienta poderosa para representar información estructurada semánticamente y asistir el desarrollo de sistemas inteligentes. Este trabajo se centra en la generación de mapas semánticos como método de resumen para los KGs. En este trabajo, proponemos una estrategia que utiliza un algoritmo de agrupación basado en centroides para agrupar términos en el grafo de conocimiento con cierta cercanía semántica. Como forma de experimentación se emplean dos algoritmos de agrupación basados en centroides: Propagación de Afinidad y Particionamiento Alrededor de Medoides (PAM por sus siglas en inglés Partitioning Around Medoids), para capturar la distancia semántica entre los nodos en el KG y generar grupos significativos. Nuestros experimentos muestran resultados divergentes entre los dos algoritmos de agrupación, con la Propagación de Afinidad se observa cierta coherencia cualitativa y significatividad, mientras que PAM se desempeña bien en términos de métricas cuantitativas de validación interna. Aprovechamos los centroides calculados para in- ferir un término principal del mapa semántico, lo que contribuye a la representación visualmente informativa del grafo de conocimiento. La combinación del proceso de capturar la distancia semántica entre los términos del grafo de conocimiento, el uso de algoritmos de agrupación de la inferencia basada en centroides facilita una comprensión integral del grafo de conocimiento. Nuestros hallazgos destacan la importancia de considerar tanto medidas de evaluación cualitativas como cuantitativas al evaluar los resultados de la agrupación. La efectividad de los mapas semánticos se muestra en la visualización de los KGs y en el avance del campo de la visualización de grafos de conocimiento. La integración de algoritmos de agrupación basados en centroides, evaluación cualitativa y métodos de inferencia ofrece una mayor claridad e interpretabilidad para el análisis de un grafo de conocimiento a partir de un grupo de tareas de exploración claramente definidas.
  • Ítem
    Host-Level Anomaly-Based Intrusion Detection System using Rankings for Cybersecurity
    (ITESO, 2020-03) Parres-Peredo, Álvaro; Piza-Dávila, Hugo I.; Cervantes-Álvarez, José F.
  • Ítem
    Hybrid Service Simulation Model for Circular Economy Implementation
    (ITESO, 2022-11) Guevara-Rivera, Edna L.; Osorno-Hinojosa, Roberto; Zaldívar-Carrillo, Víctor H.
  • Ítem
    Kalman filter state estimation for navigation based on low-cost sensors
    (ITESO, 2020-11) García-Huerta, Raúl A.; Villalón-Turrubiates, Iván E.; González-Jiménez, Luis E.
  • Ítem
    Machine Learning Techniques and Optimization Approaches for Analog Validation and Testing
    (ITESO, 2020-12) Viveros-Wacher, Andrés; Rayas-Sánchez, José E.
  • Ítem
    Metodología para el descubrimiento de conocimiento en grafos
    (ITESO, 2024-07) Ortega-Guzmán, Víctor H.; Cervantes-Alvarez, José F.; Gutiérrez-Preciado, Luis F.
    Graph mining has experienced remarkable growth in recent years, fueled by the proliferation of data amenable to graph representation and its diverse applications. This surge has been facilitated by the emergence of robust graph databases like Neo4J, AllegroGraph, and OrientDB, enabling researchers and practitioners to harness advanced graph mining algorithms for tasks ranging from community analysis to pathfinding. However, relying solely on graph databases proves inadequate, necessitating the development of a comprehensive methodology to guide practical information analysis and insight extraction. This doctoral thesis introduces the Knowledge Discovery in Graphs (KDG) methodology in response to this need. KDG aims to facilitate the extraction, transformation, loading, processing, modeling, visualization, and analysis of complex, interrelated information encapsulated within labeled and heterogeneous graphs. By leveraging mining algorithms, KDG seeks to unearth hidden structural attributes within these graphs, empowering stakeholders with actionable insights for decision-making processes. The methodology outlined in this thesis provides a holistic overview of the knowledge discovery process, modeled using graphs. It encompasses a broad spectrum of tasks, including information exploration, pattern detection, recommendation generation, visualization tool utilization, and inquiry resolution, which are essential for effective decision-making. The document is structured gradually, beginning with the presentation of fundamental concepts in the first chapter, followed by an exhaustive review of the literature on graph mining in the second chapter. Subsequently, the innovative KDG methodology is introduced in the third chapter, detailing its application to analyze interconnected information in graphs. The practical effectiveness of KDG is evidenced through three case studies in the fourth chapter, providing a concrete view of its implementation in contexts. The document concludes with a chapter dedicated to conclusions. Finally, this thesis synthesizes findings, outlines future research avenues, and includes appendices comprising a comprehensive reference list and a compilation of published works, offering a robust foundation for further exploration in graph mining and knowledge discovery.
  • Ítem
    Multiphysics Design of High Frequency Circuits by Polynomial Surrogate Modeling Exploiting the Multinomial Theorem
    (ITESO, 2017-12) Chávez-Hurtado, José L.; Rayas-Sánchez, José E.
  • Ítem
  • Ítem
  • Ítem