Juan Manuel Nunez Velasco
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Juan Manuel Nunez Velasco has a total of 64 co-authors. Here are the top co-authors by number of shared publications:
- Fernando De la Prieta
University of Salamanca
11 shared publications - Sebastián López Flórez
Universidad Tecnológica de Pereira
5 shared publications - Andrés Solano
Universidad Autonoma de Occidente
4 shared publications - Carlos Alberto Peláez
Universidad Autonoma de Occidente
4 shared publications Fernando De la Prieta
3 shared publications- Juan Camilo Espinosa
Grupo de Investigación en Telemática e Informática Aplicada (GITI), Universidad Autónoma de Occidente, Cali 760030, Valle del Cauca, Colombia
3 shared publications
Latest Publications
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 85-90
INTELIGENCIA ARTIFICIAL Y APRENDIZAJE FEDERADO PARA LA GESTIÓN INTELIGENTE DE HUERTOS URBANOS
La seguridad y la soberanía alimentarias en contextos urbanos vulnerables enfrenta limitaciones asociadas a la escasez de recursos, la variabilidad climática y la falta de conectividad. Este trabajo propone una arquitectura inteligente basada en aprendizaje federado (Federated Learning) y edge computing para la gestión eficiente de huertos urbanos distribuidos. La solución integra sensores IoT que recopilan variables ambientales como temperatura, humedad y luminosidad, permitiendo que cada nodo entrene modelos locales para optimizar la productividad y el uso de recursos hídricos sin compartir datos crudos. Mediante un servidor federador, los modelos locales se agregan utilizando técnicas como FedAvg, generando un modelo global robusto y escalable. La incorporación de inteligencia artificial en el borde reduce la latencia, el consumo de red y mejora la resiliencia ante fallos de conectividad. Los resultados evidencian una mejora en la toma de decisiones, la optimización del riego y la identificación de patrones de consumo, contribuyendo al desarrollo sostenible de la agricultura urbana y a la protección de la privacidad de los datos.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 85-90
INTELIGENCIA ARTIFICIAL Y APRENDIZAJE FEDERADO PARA LA GESTIÓN INTELIGENTE DE HUERTOS URBANOS
La seguridad y la soberanía alimentarias en contextos urbanos vulnerables enfrenta limitaciones asociadas a la escasez de recursos, la variabilidad climática y la falta de conectividad. Este trabajo propone una arquitectura inteligente basada en aprendizaje federado (Federated Learning) y edge computing para la gestión eficiente de huertos urbanos distribuidos. La solución integra sensores IoT que recopilan variables ambientales como temperatura, humedad y luminosidad, permitiendo que cada nodo entrene modelos locales para optimizar la productividad y el uso de recursos hídricos sin compartir datos crudos. Mediante un servidor federador, los modelos locales se agregan utilizando técnicas como FedAvg, generando un modelo global robusto y escalable. La incorporación de inteligencia artificial en el borde reduce la latencia, el consumo de red y mejora la resiliencia ante fallos de conectividad. Los resultados evidencian una mejora en la toma de decisiones, la optimización del riego y la identificación de patrones de consumo, contribuyendo al desarrollo sostenible de la agricultura urbana y a la protección de la privacidad de los datos.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 79-83
EVALUACIÓN DE LA CALIDAD DE IMAGEN EN IMÁGENES DE FANTOMA MAMOGRÁFICO
La evaluación de la calidad de la imagen en el ámbito de la imagen médica constituye una contribución relevante para mejorar la fiabilidad y la productividad de los procesos sanitarios. En este trabajo se presenta un enfoque basado en la adquisición de imágenes fantasma de mamografías para evaluar su calidad y analizar la relación con las tareas de evaluación de la calidad de la imagen realizadas por observadores humanos. Se construyó un conjunto de datos a partir de imágenes de rayos X adquiridas en un sistema de mamografía utilizando un fantoma de mamografía acreditado en diferentes condiciones de exposición. En estas imágenes se analizaron características objetivas de calidad de imagen, como la relación señal-ruido (SNR) y la relación contraste-ruido (CNR). Además, se desarrolló una herramienta para la evaluación subjetiva de imágenes, en la que observadores expertos calificaron la visibilidad de las estructuras del fantoma. El enfoque propuesto tiene como objetivo apoyar el desarrollo de medidas objetivas de calidad de imagen que sean coherentes con el rendimiento de la detección visual de estructuras en imágenes de control de calidad para equipos de mamografía.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 79-83
EVALUACIÓN DE LA CALIDAD DE IMAGEN EN IMÁGENES DE FANTOMA MAMOGRÁFICO
La evaluación de la calidad de la imagen en el ámbito de la imagen médica constituye una contribución relevante para mejorar la fiabilidad y la productividad de los procesos sanitarios. En este trabajo se presenta un enfoque basado en la adquisición de imágenes fantasma de mamografías para evaluar su calidad y analizar la relación con las tareas de evaluación de la calidad de la imagen realizadas por observadores humanos. Se construyó un conjunto de datos a partir de imágenes de rayos X adquiridas en un sistema de mamografía utilizando un fantoma de mamografía acreditado en diferentes condiciones de exposición. En estas imágenes se analizaron características objetivas de calidad de imagen, como la relación señal-ruido (SNR) y la relación contraste-ruido (CNR). Además, se desarrolló una herramienta para la evaluación subjetiva de imágenes, en la que observadores expertos calificaron la visibilidad de las estructuras del fantoma. El enfoque propuesto tiene como objetivo apoyar el desarrollo de medidas objetivas de calidad de imagen que sean coherentes con el rendimiento de la detección visual de estructuras en imágenes de control de calidad para equipos de mamografía.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 41-48
DATAMARKET: APLICACIÓN DE ANALÍTICA INTELIGENTE PARA LA OPTIMIZACIÓN Y LA FIDELIZACIÓN EN MINIMARKETS DE BARRIO
Este proyecto propone una solución analítica diseñada para optimizar la operación de minimarkets de barrio mediante el uso inteligente de los datos. DataMarket aborda las limitaciones en gestión de inventarios y la falta de información sobre hábitos de compra, a partir de herramientas de segmentación de clientes, predicción de demanda y reportes automatizados. A través de inteligencia artificial y dashboards accesibles, DataMarket Andrés Enríquez permite mejorar la precisión en toma de decisiones, evitar el sobrestock o desabastecimiento y fortalecer la fidelización mediante promociones personalizadas. Su implementación impulsa la transformación digital de minimarkets, lo que aumenta su rentabilidad, competitividad y sostenibilidad en el mercado.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 41-48
DATAMARKET: APLICACIÓN DE ANALÍTICA INTELIGENTE PARA LA OPTIMIZACIÓN Y LA FIDELIZACIÓN EN MINIMARKETS DE BARRIO
Este proyecto propone una solución analítica diseñada para optimizar la operación de minimarkets de barrio mediante el uso inteligente de los datos. DataMarket aborda las limitaciones en gestión de inventarios y la falta de información sobre hábitos de compra, a partir de herramientas de segmentación de clientes, predicción de demanda y reportes automatizados. A través de inteligencia artificial y dashboards accesibles, DataMarket Andrés Enríquez permite mejorar la precisión en toma de decisiones, evitar el sobrestock o desabastecimiento y fortalecer la fidelización mediante promociones personalizadas. Su implementación impulsa la transformación digital de minimarkets, lo que aumenta su rentabilidad, competitividad y sostenibilidad en el mercado.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 17-22
APLICACIÓN DE INTELIGENCIA ARTIFICIAL PARA PREDECIR EL IMPACTO DEL CAMBIO CLIMÁTICO EN LA FENOLOGÍA DE LA VID EN BORGOÑA (FRANCIA): IMPLICACIONES PARA LA SOSTENIBILIDAD VITIVINÍCOLA
El cambio climático ha afectado significativamente a las etapas fenológicas, adelantando especialmente las etapas que influyen directamente en la calidad y la composición de la uva. Este estudio evaluó cómo el cambio climático influyó en las fases fenológicas de la viticultura de Bourgogne, en parcelas de Pinot Noir a través de la comparación de datos climáticos históricos (1966-2023) con información fenológica. Empleamos modelos de regresión por mínimos cuadrados ordinarios (OLS) y modelos avanzados de inteligencia artificial para modelar las relaciones no lineales entre las variables climáticas y las etapas fenológicas. Estos resultados subrayan el potencial de los modelos basados en IA como herramienta robusta y escalable para la viticultura de precisión, la adaptación al cambio climático y el mantenimiento de la actividad vitivinícola como motor socioeconómico en territorios rurales.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 17-22
APLICACIÓN DE INTELIGENCIA ARTIFICIAL PARA PREDECIR EL IMPACTO DEL CAMBIO CLIMÁTICO EN LA FENOLOGÍA DE LA VID EN BORGOÑA (FRANCIA): IMPLICACIONES PARA LA SOSTENIBILIDAD VITIVINÍCOLA
El cambio climático ha afectado significativamente a las etapas fenológicas, adelantando especialmente las etapas que influyen directamente en la calidad y la composición de la uva. Este estudio evaluó cómo el cambio climático influyó en las fases fenológicas de la viticultura de Bourgogne, en parcelas de Pinot Noir a través de la comparación de datos climáticos históricos (1966-2023) con información fenológica. Empleamos modelos de regresión por mínimos cuadrados ordinarios (OLS) y modelos avanzados de inteligencia artificial para modelar las relaciones no lineales entre las variables climáticas y las etapas fenológicas. Estos resultados subrayan el potencial de los modelos basados en IA como herramienta robusta y escalable para la viticultura de precisión, la adaptación al cambio climático y el mantenimiento de la actividad vitivinícola como motor socioeconómico en territorios rurales.
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 119-123
SISTEMA DE APRENDIZAJE ADAPTATIVO CON IA PARA UNIVERSITARIOS
La educación superior enfrenta el desafío de atender una creciente diversidad de ritmos, necesidades y trayectorias de aprendizaje en un contexto de acelerada transformación tecnológica. La irrupción de herramientas basadas en inteligencia artificial generativa (IA Gen) abre oportunidades para fortalecer los procesos formativos, pero también plantea interrogantes sobre su uso responsable y su impacto pedagógico. Este artículo presenta el diseño y el desarrollo de un prototipo de alta fidelidad de un ecosistema de aprendizaje adaptativo apoyado por IA generativa, orientado a complementar —y no reemplazar— la labor docente. El sistema integra recursos académicos curados por profesores, representados mediante embeddings almacenados en una base de datos vectorial, con información contextual del estudiante (desempeño, habilidades e intereses) para habilitar agentes conversacionales personalizados por asignatura. El enfoque pedagógico del agente es mayéutico, privilegiando la guía y la reflexión por sobre la entrega directa de respuestas. El proyecto se encuentra en etapa de desarrollo y avanzará hacia fases de prueba y validación. La propuesta contribuye a la discusión sobre el uso ético y responsable de la IA en educación superior y se alinea con el Objetivo de Desarrollo Sostenible 4 (Educación de calidad).
- 29 July 2026
- Published by Ediciones Universidad de Salamanca
- p. 119-123
SISTEMA DE APRENDIZAJE ADAPTATIVO CON IA PARA UNIVERSITARIOS
La educación superior enfrenta el desafío de atender una creciente diversidad de ritmos, necesidades y trayectorias de aprendizaje en un contexto de acelerada transformación tecnológica. La irrupción de herramientas basadas en inteligencia artificial generativa (IA Gen) abre oportunidades para fortalecer los procesos formativos, pero también plantea interrogantes sobre su uso responsable y su impacto pedagógico. Este artículo presenta el diseño y el desarrollo de un prototipo de alta fidelidad de un ecosistema de aprendizaje adaptativo apoyado por IA generativa, orientado a complementar —y no reemplazar— la labor docente. El sistema integra recursos académicos curados por profesores, representados mediante embeddings almacenados en una base de datos vectorial, con información contextual del estudiante (desempeño, habilidades e intereses) para habilitar agentes conversacionales personalizados por asignatura. El enfoque pedagógico del agente es mayéutico, privilegiando la guía y la reflexión por sobre la entrega directa de respuestas. El proyecto se encuentra en etapa de desarrollo y avanzará hacia fases de prueba y validación. La propuesta contribuye a la discusión sobre el uso ético y responsable de la IA en educación superior y se alinea con el Objetivo de Desarrollo Sostenible 4 (Educación de calidad).
- 1 April 2026
- Published by Springer Nature
- p. 507-517
Dynamic and Personalized Format Adaptation to Improve School Concentration Levels: A Literature Review
- 1 April 2026
- Published by Springer Nature
- p. 507-517
Dynamic and Personalized Format Adaptation to Improve School Concentration Levels: A Literature Review
- Open Access
- 2 March 2026
- Published by Association for Computing Machinery (ACM)
- p. 72-78
Smart-VRU-Fed: Edge Pedestrian Detection with Human-in-the-Loop
- 2 March 2026
- Published by Association for Computing Machinery (ACM)
- p. 72-78
Open AccessSmart-VRU-Fed: Edge Pedestrian Detection with Human-in-the-Loop
- 31 January 2026
- Published by Springer Nature
- p. 139-149
A Deep Learning Approach to Worm Humus Productivity Prediction: Application of Liquid Neural Networks
- 31 January 2026
- Published by Springer Nature
- p. 139-149
A Deep Learning Approach to Worm Humus Productivity Prediction: Application of Liquid Neural Networks