Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Jhelly-Reynaluz Pérez-Núñez has a total of 14 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Mathematical Analysis of a Predator–Prey Model Incorporating Prey Fear

    by Marco Romero Ordoñez, Jhelly-Reynaluz Pérez-Núñez, Neisser Pino-Romero

    Este estudio analiza un ecosistema depredador-presa en el que la presa sirve como fuente de alimento preferida del depredador. El crecimiento de la población de presas está limitado por dos factores principales: la disponibilidad de recursos ambientales y el miedo inducido por la presencia del depredador. Por otro lado, el crecimiento de la población de depredadores está restringido por la disponibilidad tanto de presas como de una fuente de alimento alternativa. Se asume que el tiempo que los depredadores dedican a perseguir, someter, consumir y digerir a sus presas, junto con el tiempo necesario para prepararse para la siguiente cacería, depende del número de individuos en ambas poblaciones. El trabajo consiste en un análisis cualitativo exhaustivo de las soluciones al sistema de ecuaciones asociado con el modelo propuesto. Estos resultados analíticos se validan posteriormente mediante simulaciones numéricas implementadas en Python. Además, se realiza un estudio comparativo con un modelo similar que no incorpora la respuesta de miedo de la presa al depredador.

  • Open Access

    Challenges of Artificial Intelligence for the Prevention and Identification of Bankruptcy Risk in Financial Institutions: A Systematic Review

    by Luis-Javier Vásquez-Serpa, Ciro Rodríguez, Jhelly-Reynaluz Pérez-Núñez, Carlos Navarro

    The identification and prediction of financial bankruptcy has gained relevance due to its impact on economic and financial stability. This study performs a systematic review of artificial intelligence (AI) models used in bankruptcy prediction, evaluating their performance and relevance using the PRISMA and PICOC frameworks. Traditional models such as random forest, logistic regression, KNN, and neural networks are analyzed, along with advanced techniques such as Extreme Gradient Boosting (XGBoost), convolutional neural networks (CNN), long short-term memory (LSTM), hybrid models, and ensemble methods such as bagging and boosting. The findings highlight that, although traditional models are useful for their simplicity and low computational cost, advanced techniques such as LSTM and XGBoost stand out for their high accuracy, sometimes exceeding 99%. However, these techniques present significant challenges, such as the need for large volumes of data and high computational resources. This paper identifies strengths and limitations of these approaches and analyses their practical implications, highlighting the superiority of AI in terms of accuracy, timeliness, and early detection compared to traditional financial ratios, which remain essential tools. In conclusion, the review proposes approaches that integrate scalability and practicality, offering predictive solutions tailored to real financial contexts with limited resources.


  • Open Access

    Potencialidades en enseñanza-aprendizaje de matemática usando inteligencia artificial en educación básica latinoamericana: revisión sistemática

    by Jose Santos Perez Cubas, Jhelly Reynaluz Perez Nuñez, Angel Johel Centurion Larrea

    Este artículo presenta una revisión sistemática de la literatura sobre las potencialidades de la inteligencia artificial (IA) en la enseñanza-aprendizaje de matemáticas en la educación básica en Latinoamérica. Tiene como objetivo evaluar cómo usando herramientas de IA puede transformar procesos de enseñanza y mejorar aprendizajes de los estudiantes en esta área. La metodología incluye la búsqueda y análisis de estudios relevantes publicados entre 2020 y 2023, utilizando criterios de exclusión e inclusión que garantizan relevancia y calidad de las fuentes. Los resultados indican que con implementación de tecnologías basadas en IA, como plataformas de aprendizaje adaptativo, tutores virtuales, demostraron mejoras significativas en la comprensión matemática y en la motivación de los estudiantes. Las conclusiones destacan que la integración de la IA en la educación básica no solo optimiza el aprendizaje de matemáticas, sino también contribuye a personalizar la enseñanza, atendiendo así las diversas necesidades de los estudiantes en la región


  • Open Access

    Influencia entre la contaminación química del aire y las capacidades cognitivas de los niños en edad escolar a nivel de Lima Metropolitana

    by Miriam Bravo-Orellana, César-Augusto Bravo-Orellana, Ángel Ramón Velázquez Fernández, Jhelly-Reynaluz Pérez-Núñez

    INTRODUCCIÓN. La contaminación del aire de naturaleza química es un problema que se presenta diariamente por la constante exposición crónica y prolongada a factores externos, como la congestión vehicular y la existencia de zonas industriales, superando en muchas ocasiones el índice de contaminación permitida, normada por los estándares de calidad ambiental. El estudio tuvo como fin mostrar la influencia del nivel de contaminación química del aire en las capacidades cognitivas de los escolares. Se evaluaron los contaminantes del aire más importantes, a través de las ocho estaciones de monitoreo, a nivel de Lima Metropolitana. Entre estos contaminantes figuran el monóxido de carbono (CO), dióxido de nitrógeno (NO2), dióxido de azufre (SO2) y material particulado (PM2,5 y PM10). MÉTODO. La investigación es de tipo cuantitativa, no experimental y es ex post facto. La muestra fue de 350 estudiantes de ambos sexos, de 10 a 12 años de edad, en niñas había un 47% y en niños un 53%. La edad promedio era de 10,88 años y una desviación estándar típica de 0,824, del 6.º grado de primaria de colegios privados, distribuidos en ocho puntos de monitoreo a nivel de Lima Metropolitana. Se aplicó un test neuropsicológico conocido como test de percepción de diferencias: CARAS-R, donde se evaluaron las capacidades perceptivas y atencionales, validados por baremos nacionales e internacionales. RESULTADOS. La concentración PM10 presentó una correlación negativa y significativamente fuerte con R = - 0,98, con un IC: 95% para las capacidades perceptivas y atencionales. El CO y el PM2,5 tuvieron una relación negativa moderada con un valor promedio de R = - 0,72 (IC: 95%). El NO2 presentó una correlación débil y poco significativa, para la percepción y atención, con un factor de correlación R = 0,44. DISCUSIÓN. Los niños en edad escolar de 10 a 12 años que cursan el 6.º grado de primaria, expuestos de manera crónica y prolongada a la contaminación química del aire, experimentan menor capacidad cognitiva tanto perceptivas como atencionales.


  • Open Access

    The Challenge of Deep Learning for the Prevention and Automatic Diagnosis of Breast Cancer: A Systematic Review

    by Jhelly-Reynaluz Pérez-Núñez, Ciro Rodríguez, Luis-Javier Vásquez-Serpa, Carlos Navarro

    Objectives: This review aims to evaluate several convolutional neural network (CNN) models applied to breast cancer detection, to identify and categorize CNN variants in recent studies, and to analyze their specific strengths, limitations, and challenges. Methods: Using PRISMA methodology, this review examines studies that focus on deep learning techniques, specifically CNN, for breast cancer detection. Inclusion criteria encompassed studies from the past five years, with duplicates and those unrelated to breast cancer excluded. A total of 62 articles from the IEEE, SCOPUS, and PubMed databases were analyzed, exploring CNN architectures and their applicability in detecting this pathology. Results: The review found that CNN models with advanced architecture and greater depth exhibit high accuracy and sensitivity in image processing and feature extraction for breast cancer detection. CNN variants that integrate transfer learning proved particularly effective, allowing the use of pre-trained models with less training data required. However, challenges include the need for large, labeled datasets and significant computational resources. Conclusions: CNNs represent a promising tool in breast cancer detection, although future research should aim to create models that are more resource-efficient and maintain accuracy while reducing data requirements, thus improving clinical applicability.


  • Open Access

    Analysis of a May-Holling-Tanner ratio-dependent predator-prey model with an alternative food source for the predator and a strong Allee effect for the prey

    by Marco-Antonio Romero-Ordoñez, Jhelly-Reynaluz Pérez-Núñez, Neisser Pino-Romero

    This paper presents a detailed analysis of a bitrophic chain to understand the complex ecological behaviour applied to this specific model. The model is described by means of a two-dimensional system of ordinary differential equations. The existence and uniqueness of the solutions of this system are examined, as well as their boundedness and positivity. In addition, through a differentiable equivalence, conditions for local and global stability at biologically relevant critical points are established. Periodic solutions are also explored. Finally, the Python programming language is used to perform a quantitative analysis of these critical points, showing different scenarios of the qualitative analysis previously obtained.


  • Open Access

    Investigación sobre el método de predicción del cáncer de mama basado en aprendizaje automático

    by Jhelly Reynaluz Pérez Núñez

    Cada año, el número de muertes aumenta extremadamente debido al cáncer de mama. En 2020, la Organización Mundial de la Salud informó que el 25% de las mujeres fueron diagnosticadas con cáncer de mama. En Perú, el cáncer de mama fue la principal causa de muerte por cáncer, donde cada día mueren 5 mujeres por esta enfermedad. La detección temprana del cáncer de mama es facilitada por computadora tecnologías de detección y diagnóstico (CAD), que pueden ayudar a las personas a vivir vidas más largas. Este artículo busca analizar múltiples modelos de aprendizaje automático para identificar el cáncer de mama. Para esto, se trabaja con dos bases de datos de Wisconsin donados por el Dr. William H. Wolberg, el primer conjunto de base de datos es del año 1995 y el segundo es del año 1992 ambos informes es en base a sus casos clínicos. El principal objetivo de este trabajo es aprovechar los últimos desarrollos en sistemas CAD y metodologías relacionadas para las predicciones, los modelos de Decisión Tree, K-vecinos más cercanos (K-NN), Naive Bayes (NB), Regresión logística, Support Vector Machine, Multi-layer Perceptrón y Random Forest se utilizaron. Cuando se comparan los resultados, se encuentra que, para la base de datos del año 1995, el algoritmo Multi-layer Perceptron ofrece el mejor resultado, logrando una precisión de 97,20% y para la segunda base de datos de 1992, el algoritmo que mejor predice es el Support Vector Machine con una precisión de 97,20%.


  • Open Access

    Qualitative analysis and simulations of a ratio-dependent May-Holling-Tanner predator-prey model with an alternative food source for the predator

    by Facultad de Ciencias Matemáticas Unmsm, Marco Romero-Ordoñez, Jhelly Pérez-Núñez, Luis Vásquez-Serpa

    In this work, a May-Holling-Tanner ratio-dependent predator-prey model is studied with an alternative food source for the predator, described by a two-dimensional system of ordinary differential equations. We study the existence and uniqueness of the solutions of the mentioned above system. In addition, the boundedness and positivity of these solutions are analyzed and we establish conditions for the local stability of a simplified model, through a differentiable equivalence. Likewise, the Python programming language is used to perform the simulations using the Runge-Kutta numerical method of order four with the aim of showing the different cases of qualitative analysis.


  • Open Access

    Analysis and simulation of an extended SEIR mathematical model with vaccination for the spread of SARS-COV-2

    by Facultad de Ciencias Matemáticas Unmsm, Jennifer Y. Madge, Jhelly R. Pérez

    This article analyzes the dynamic of an extended SEIR model for the spread of COVID-19 considering a system of 7 differential equations whose stages are susceptible, exposed, infected, quarantined, recovered, dead and vaccinated. The necessary and sufficient conditions are determined for non-negativity, delimitation, existence and uniqueness of the solution of the model, local stability of the equilibrium points and the next generation matrix method. The simulations made in Python complement the qualitative analysis of the mathematical model to conclude the behavior of the virus spread over time; the information shown in this work could also be useful for the development of new prevention measures.


  • Open Access

    Modelo Huésped-Vector: Análisis de estabilidad y simulaciones

    by Jhelly Pérez, Luis Vásquez

    Modelo Huésped-Vector: Análisis de estabilidad y simulaciones