GRUPO DE INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
Ingeniería de Sistemas e Informática
FILIAL ILO
GRUPO DE INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
Resolución de Creación: RCO N°1039-2021-UNAM
DESCRIPCIÓN
El Grupo de Investigación en Inteligencia Artificial (GIIA) del Instituto de Investigación para el Desarrollo del Perú (IINDEP) es un grupo de profesionales en ciencia de la computación, informática, estadística y otros relacionados, el cual fue constituido en el año 2021 y reconocido por la Universidad Nacional de Moquegua el mismo año 2021. Desde sus inicios ha venido llevando a cabo diversos proyectos de investigación para la resolución de la problemática de la región y el país en relación a la aplicación de la inteligencia artificial, obteniendo como resultado diversas publicaciones científicas en revistas indexadas.
MISIÓN
Desarrollar proyectos de investigación relacionados a la aplicación de la inteligencia artificial para la solución de problemas de la región y el país aplicando técnicas de aprendizaje de máquina.
VISIÓN
El GIIA en el mediano plazo, será uno de los líderes en el sur del país desarrollando aplicaciones basadas en inteligencia artificial, dando solución a diversos problemas regionales y del país.
OBJETIVOS
- Desarrollar proyectos de investigación relacionados a la problemática regional y del país.
- Transferir tecnología a los diversos sectores de la región acorde a los resultados de los proyectos de investigación.
- Realizar publicaciones científicas en revistas indexadas y de alto impacto.
- Presentar los resultados de las investigaciones en conferencias nacionales e internacionales.
CATEGORÍA: CONSOLIDACIÓN CIENTÍFICA
INTEGRANTES
| N | NOMBRES Y APELLIDOS | ESCUELA PROFESIONAL | INSTITUCIÓN DE PROCEDENCIA |
| 1 | M.Sc. HUGO EULER TITO CHURA | ING. SISTEMAS E INFORMÁTICA | UNIVERSIDAD NACIONAL DE MOQUEGUA |
| 2 | M.Sc. AMERICO ARIEL RUBIN DE CELIS VIDAL | ING. SISTEMAS E INFORMÁTICA | UNIVERSIDAD NACIONAL DE MOQUEGUA |
| 3 | MGR. RICHARD PONCE CUSI | ING. PESQUERA | UNIVERSIDAD NACIONAL DE MOQUEGUA |
DR. ANIBAL FERNANDO FLORES GARCÍA
Líder del Grupo
Doctor en Ciencias de la Computación, Magister en Docencia Universitaria e Investigación Pedagógica, Ingeniero de Sistemas de profesión, con más de 15 años de experiencia profesional y docente. Apasionado por la investigación en Inteligencia Artificial, Data Mining, Time Series E-learning.
Universidad Nacional De San Agustín De Arequipa – PERÚ
Doctor en Ciencias de la Computación
Universidad San Pedro – PERÚ
Magister en Docencia Universitaria e Investigación Pedagógica
Universidad Privada de Tacna – PERÚ
Licenciado Ingeniero de Sistemas
Universidad Privada de Tacna – PERÚ
Bachiller en Ingeniería De Sistemas
Galería
Investigadores
Acerca del Grupo
| AREA | SUB AREA | LINEA DE INVESTIGACIÓN |
| CIENCIAS NATURALES | CIENCIAS BIOLÓGICAS/CIENCIAS DE LA INFORMACIÓN Y BIOINFORMÁTICA | COMPUTACIÓN GRÁFICA Y PROCESAMIENTO DE IMÁGENES Y VIDEOS |
| INTELIGENCIA ARTIFICIAL | ||
| CIENCIAS DE LA TIERRA Y MEDIOAMBIENTALES | CALIDAD, EVALUACIÓN Y CONTROL DE LA ATMÓSFERA | |
| VULNERABILIDAD, ADAPTACIÓN, MITIGACIÓN Y PREDICCIÓN AL CAMBIO CLIMÁTICO | ||
| CALIDAD, USO, TRATAMIENTO DE LOS RECURSOS HÍDRICOS |
DESARROLLO DE ALGORITMOS DE MINERÍA DE DATOS USANDO SERIES TEMPORALES HIDROMETEREOLÓGICAS APLICADAS A INVESTIGACIONES EN CAMBIO CLIMÁTICO.
Investigador principal: M.Sc. Hugo Euler Tito Chura Víctor Damian Cahuana Quispe (Inv. Asociado) Aníbal Fernando Flores García (Inv. Asociado) Carlos Alberto Silva Delgado (Inv. Asociado) José Alfredo Herrera Quispe (Asesor externo) Mathias Julio Daniel Ramos Torres (Estudiante) Brayan Enrique Valdez Quispe (Estudiante)
Año: 2017
Resolución C.O. N° 562-2017-UNAM
PREDICCIÓN DE SERIES DE TIEMPO DE RADIACIÓN SOLAR EN EL SUR DEL PERÚ APLICANDO DEEP LEARNING, CASO: MOQUEGUA Y TACNA.
Dr. Aníbal Fernando Flores Garcia (Asesor) Mgr. Juan Carlos Clares Perca (Co asesor) Bach. Walter Juvenal Paxi Apaza
Año: 2021
Resolución C.O. N° 052-2021- UNAM
OTROS PROYECTOS DE INVESTIGACIÓN
- Pronóstico de series de tiempo de radiación solar en la ciudad de Moquegua, 2020.
- Imputación en series de tiempo meteorológicas en la región Moquegua, 2019.
- E-classmates para gamificación de aprendizaje online (E-Learning), 2019.
- Modelo inteligente para gestión de aprendizaje aplicando Case Based Reasoning (CBR) y Reinforcement Learning (RL), 2018.
Flores, A., Tito-Chura, H., Yana-Mamani, V. (2022). Wind Speed Time Series Prediction with Deep Learning and Data Augmentation. In: Arai, K. (eds) Intelligent Systems and Applications. IntelliSys 2021. Lecture Notes in Networks and Systems, vol 294.
http://www.doi.org/10.1007/978-3-030-82193-7_22
Flores, A., Tito-Chura, H., Yana-Mamani, V. (2022). Wind Speed Time Series Imputation with a Bidirectional Gated Recurrent Unit (GRU) Model. In: Arai, K. (eds) Proceedings of the Future Technologies Conference (FTC) 2021, Volume 2. FTC 2021. Lecture Notes in Networks and Systems, vol 359.
http://www.doi.org/10.1007/978-3-030-89880-9_34
Flores, A., Tito, H., Centty, D. (2021). Comparison of Hybrid Recurrent Neural Networks for Univariate Time Series Forecasting. In: Arai, K., Kapoor, S., Bhatia, R. (eds) Intelligent Systems and Applications. IntelliSys 2020. Advances in Intelligent Systems and Computing, vol 1250.
http://www.doi.org/10.1007/978-3-030-55180-3_28
Flores, A., Tito-Chura, H., Apaza-Alanoca, H. Data Augmentation for Short-Term Time Series Prediction with Deep Learning. In: Arai, K. (eds) Intelligent Computing. Lecture Notes in Networks and Systems, vol 284. 2021.
http://www.doi.org/10.1007/978-3-030-80126-7_36
A. Flores, W. Paxi-Apaza and J. Clares-Perca, «CBRi2: Imputation of solar radiation time series with case based reasoning,» 2021 IEEE XXVIII International Conference on Electronics, Electrical Engineering and Computing (INTERCON), 2021, pp. 1-4.
http://www.doi.org/10.1109/INTERCON52678.2021.9532750
Paxi-Apaza, J. Clares-Perca and A. Flores, «Solar radiation prediction with deep learning and data augmentation,» 2021 IEEE XXVIII International Conference on Electronics, Electrical Engineering and Computing (INTERCON), 2021, pp. 1-4.
http://www.doi.org/10.1109/INTERCON52678.2021.9532823
A. Flores, J. Valeriano-Zapana, V. Yana-Mamani and H. Tito-Chura, «PM2.5 prediction with Recurrent Neural Networks and Data Augmentation,» 2021 IEEE Latin American Conference on Computational Intelligence (LA-CCI), 2021, pp. 1-6.
http://www.doi.org/10.1109/LA-CCI48322.2021.9769784
Aníbal Flores, Hugo Tito-Chura and Victor Yana-Mamani, “An Ensemble GRU Approach for Wind Speed Forecasting with Data Augmentation” International Journal of Advanced Computer Science and Applications(IJACSA), 12(6), 2021.
http://www.doi.org/10.14569/IJACSA.2021.0120666
Flores, Aníbal; Tito, Hugo; Centty, Deymor; Recurrent neural networks for meteorological time series imputation. International Journal of Advanced Computer Science and ApplicationsVolume 11, Issue 3, Pages 482 – 487. 2020.
https://www.scopus.com/record/display.uri?eid=2-s2.0-85083156502&origin=inward&txGid=6e8bfbfa4e65831f8d007c589b681097#author-keywords
A. Flores, L. Alfaro and J. Herrera, «Proposal model for e-learning based on Case Based Reasoning and Reinforcement Learning,» 2019 IEEE World Conference on Engineering Education (EDUNINE), 2019, pp. 1-6.
http://www.doi.org/10.1109/EDUNINE.2019.8875800
A. Flores, H. Tito and C. Silva, «CBRi: A Case Based Reasoning-Inspired Approach for Univariate Time Series Imputation,» 2019 IEEE Latin American Conference on Computational Intelligence (LA-CCI), 2019, pp. 1-6.
http://www.doi.org/10.1109/LA-CCI47412.2019.9036761
Aníbal Flores, Luis Alfaro, José Herrera and Edward Hinojosa, “Proposal Models for Personalization of e-Learning based on Flow Theory and Artificial Intelligence” International Journal of Advanced Computer Science and Applications(IJACSA), 10(7), 2019.
http://www.doi.org/10.14569/ijacsa.2019.0100752
Aníbal Flores, Hugo Tito and Carlos Silva, “Local Average of Nearest Neighbors: Univariate Time Series Imputation” International Journal of Advanced Computer Science and Applications(IJACSA), 10(8), 2019.
http://www.doi.org/10.14569/ijacsa.2019.0100807
Aníbal Flores, Hugo Tito and Carlos Silva, “CBRm: Case based Reasoning Approach for Imputation of Medium Gaps” International Journal of Advanced Computer Science and Applications(IJACSA), 10(9), 2019.
http://www.doi.org/10.14569/ijacsa.2019.0100949
Aníbal Flores, Hugo Tito and Deymor Centty, “Model for Time Series Imputation based on Average of Historical Vectors, Fitting and Smoothing” International Journal of Advanced Computer Science and Applications(IJACSA), 10(10), 2019.
http://www.doi.org/10.14569/ijacsa.2019.0101049
Aníbal Flores, Hugo Tito and Deymor Centty, “Improving Long Short-Term Memory Predictions with Local Average of Nearest Neighbors” International Journal of Advanced Computer Science and Applications(IJACSA), 10(11), 2019.
http://www.doi.org/10.14569/IJACSA.2019.0101154
Aníbal Flores, Hugo Tito and Deymor Centty, “Improving Gated Recurrent Unit Predictions with Univariate Time Series Imputation Techniques” International Journal of Advanced Computer Science and Applications(IJACSA), 10(12), 2019.
http://www.doi.org/10.14569/ijacsa.2019.0101290
Flores García, Aníbal Fernando; Modelo Inteligente para la Gestión de Aprendizaje aplicando Case Based Reasoning (CBR) y Reinforcement Learning (RL). Tesis Doctoral. 2019.
http://repositorio.unsa.edu.pe/handle/UNSA/8781
