Licenciatura en Tecnología / Dr. Jesús Emmanuel Solís Pérez

Link a publicaciones:

Reseach gate: https://www.researchgate.net/profile/Je-Solis-Perez
Google scholar: https://scholar.google.com.mx/citations?user=97DFBiYAAAAJ&hl

Información de contacto:

Correo: jsolisp@unam.mx
sitio Web Personal: jesolisp.github.io
Laboratorio NISA: Perfil en ResearchGate

SEMBLANZA

Ingeniero en Sistemas Computacionales con especialidad en Sistemas Embebidos y Controles Lógicos por el Tecnológico Nacional de México (Campus Zacatepec). En 2020, obtuvo el grado de Doctor en Ciencias en Ingeniería Electrónica con mención honorífica por el CENIDET, especializándose en Control Automático.

Fortaleció su perfil científico mediante una estancia posdoctoral en el Centro de Investigación en Ingeniería y Ciencias Aplicadas de la Universidad Autónoma del Estado de Morelos, donde desarrolló mod­elos de orden fraccionario aplicados a intercambiadores de calor y funciones de activación de orden fraccionario para redes neuronales artificiales.

Es Investigador Nacional Nivel I, miembro de la Sociedad Mexicana de Computación Científica y sus Aplicaciones y de la Sociedad Matemática Mexicana. Su trabajo se centra en la intersección de la inteligencia artificial, el control automático y el cálculo fraccionario. Además, lidera el laboratorio de investigación Non-Integer Systems & AI (NISA).

Durante su trayectoria académica ha impartido materias a nivel licenciatura y posgrado. Actualmente es profesor de tiempo completo, adscrito a la Licenciatura en Tecnología en la ENES Juriquilla.

LÍNEAS DE INVESTIGACIÓN

  • Cálculo fraccionario: Aplicación de derivadas e integrales de orden no entero para el modelado preciso de sistemas dinámicos complejos.
  • Optimización: Diseño y desarrollo de algoritmos de optimización avanzada orientados a la resolución de problemas en ingeniería.
  • Procesamiento de señales e imágenes: Implementación de técnicas matemáticas avanzadas para la optimización, análisis y mejora de la calidad de datos visuales y multidimensionales.
  • Modelado predictivo y redes neuronales fraccionarias: Uso de técnicas de orden fraccionario en funciones de activación y regresión para el análisis de señales e imágenes.

 

Para más información y unirte al equipo de trabajo contacta al profesor

Da click a la imagen para ampliar