PRIMITIVO EMANUEL DÍAZ GUERRERO
Resumen curricular:
El Dr. Primitivo Emanuel Díaz Guerrero es profesor del Centro Universitario de Ciencias Exactas e Ingeniería de la Universidad de Guadalajara. Es In... Ver más
El Dr. Primitivo Emanuel Díaz Guerrero es profesor del Centro Universitario de Ciencias Exactas e Ingeniería de la Universidad de Guadalajara. Es Ingeniero en Comunicaciones y Electrónica, Maestro en Ciencias en Ingeniería Electrónica y Computación y Doctor en Ciencias de la Electrónica y Computación. Es miembro del Sistema Nacional de Investigadores Nivel I, tiene un índice H de 6 y cuenta con 7 artículos JCR, además de 2 libros en editoriales de prestigio. Sus líneas de investigación son el Cómputo Evolutivo, Aprendizaje Automático, Ciencia de Datos y Visión Artificial aplicados. Ver menos
Perfil de Investigador SNII:
Bases de datos bibliográficas:
Publicaciones del académico:
- A Metaheuristic Computation Scheme to Solve Energy Problems
- Metaheuristic Computation: A Performance Perspective
- Experimental analysis between exploration and exploitation
- A Metaheuristic Methodology Based on Fuzzy Logic Principles
- A states of matter search-based scheme to solve the problem of power allocation in plug-in electric cars
- Introductory Concepts of Metaheuristic Computation
- An Enhanced Swarm Method Based on the Locust Search Algorithm
- ANFIS-hammerstein Model for Nonlinear Systems Identification Using GSA
- Locus Search Method for Power Loss Reduction on Distribution Networks
- Blood Vessel and Optic Disc Segmentation Based on a Metaheuristic Method
- Detection of White Blood Cells with Metaheuristic Computation
- Intelligent Systems Reference Library
- Preface
- A swarm approach for improving voltage profiles and reduce power loss on electrical distribution networks
- An improved crow search algorithm applied to energy problems
- González
- Nonlinear system identification based on ANFIS-Hammerstein model using Gravitational search algorithm
- Improved unsupervised color segmentation using a modified HSV color model and a bagging procedure in K-means++ algorithm
- Improved Unsupervised Color Segmentation Using a Modified HSV Color Model and a Bagging Procedure in K -Means++ Algorithm