Bienvenidos al Repositorio Institucional de CICESE
Repositorio Institucional Digital
Es una colección institucional de objetos y datos para sistematizar, preservar, clasificar y difundir la producción científica, tecnológica y de innovación en formato digital resultado de las actividades de los miembros de la comunidad académica. Ésta plataforma permite el autoarchivo, la búsqueda, la consulta, la recuperación y el análisis de los documentos y datos, producto del desarrollo tecnológico y de innovación y de las investigaciones del CICESE para investigación, enseñanza y difusión en ciencia y la tecnología.
El repositorio institucional es una iniciativa de acceso abierto por lo que cualquier usuario puede buscar, leer, descargar e imprimir los documentos completos de los recursos de información publicados, lo que contribuye a mejorar el sistema de comunicación científica y acceso al conocimiento, maximizar la visibilidad Institucional, el uso y el impacto de la producción científica y académica y retroalimentar las investigaciones de la comunidad Nacional e Internacional.
Este esfuerzo permite establecer procesos, protocolos y estándares para el manejo de la información científica generada por el CICESE, y confirma el compromiso de la institución para la administración de estos materiales digitales, incluyendo la actualización, conservación, así como la organización y el acceso.
Buscar por Autor LUIS BERNARDO PULIDO GAYTAN
Mostrando resultados 1 a 3 de 3
Fecha de publicación | Título | Tipo de publicación/ Tipo de recurso | Autor(es) | Fecha de depósito |
---|---|---|---|---|
2024 | Métodos y herramientas para la optimización de Redes neuronales con privacidad preservada para el procesamiento de imágenes en un ambiente no seguro | Tesis de maestría | Marianne Salgado Ramos | 7-oct-2024 |
2019 | Optimización multiobjetivo para el enrutamiento de vehículos con penalización ambiental en ciudades inteligentes | Tesis de maestría | LUIS BERNARDO PULIDO GAYTAN | 11-sep-2019 |
2024 | Self-learning activation functions for privacy-preserving convolutional neural networks with homomorphic encryption | Tesis de doctorado | LUIS BERNARDO PULIDO GAYTAN | 10-jun-2024 |