Manuel Belizario Cortez Vásquez
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Manuel Belizario Cortez Vásquez has a total of 5 co-authors. Here are the top co-authors by number of shared publications:
- Augusto Parcemon Cortez Vasquez
Universidad Nacional Mayor de San Marcos, Lima, Peru
3 shared publications - John Ledgard Trujillo Trejo
Universidad Nacional Mayor de San Marcos, Lima, Peru
2 shared publications - Nestor Mamani-Macedo
Universidad Nacional Mayor de San Marcos, Lima, Peru
2 shared publications - Adán Humberto Estela Estela
Universidad Nacional Mayor de San Marcos, Lima, Peru
1 shared publication - Augusto Li-Chan
Universidad Nacional Mayor de San Marcos, Lima, Peru
1 shared publication
Latest Publications
- 30 November 2025
- Published by Universidad Ricardo Palma in Perfiles de Ingeniería
- Vol. 21 (24) , 174-196
Implementación de Gating Adaptativo, Routing Dinámico y Cross-Expert Attention en Agricultura de Precisión: Un Caso de Estudio sobre cultivo del limón en el Perú
El limón es uno de los principales cultivos en el Perú, que requiere muchos cuidados adecuados, especialmente en los primeros años. El cuidado frente a las plagas y enfermedades influyen significativamente en la vida útil del cultivo. Sin embargo, presenta una serie de problemas que tienen que ser abordados desde un punto de vista tecnológico. En este artículo se presenta la agricultura de precisión como uno de los sectores con mayor potencial para aplicar técnicas avanzadas de machine learning. La mezcla de expertos constituye una arquitectura revolucionaria en el campo del aprendizaje automático permite escalar significativamente la capacidad de los modelos sin un aumento proporcional en el costo computacional. Esta arquitectura divide el modelo en múltiples “expertos” especializados y utiliza una red de enrutamiento (gating network) para determinar cuáles expertos deben procesar cada entrada especifica. El resultado es un modelo que puede alcanzar un rendimiento superior manteniendo la eficiencia computacional mediante la inferencia. En este artículo presentamos un caso práctico donde se implementaron exitosamente tres técnicas de deep learning de vanguardia: Gating Adaptativo, Routing Dinámico y Cross-Expert Attention, para optimizar la gestión de cultivos de limón en el departamento de Piura en el norte del Perú.
- 30 November 2025
- Published by Universidad Ricardo Palma in Perfiles de Ingeniería
- Vol. 21 (24) , 174-196
Implementación de Gating Adaptativo, Routing Dinámico y Cross-Expert Attention en Agricultura de Precisión: Un Caso de Estudio sobre cultivo del limón en el Perú
El limón es uno de los principales cultivos en el Perú, que requiere muchos cuidados adecuados, especialmente en los primeros años. El cuidado frente a las plagas y enfermedades influyen significativamente en la vida útil del cultivo. Sin embargo, presenta una serie de problemas que tienen que ser abordados desde un punto de vista tecnológico. En este artículo se presenta la agricultura de precisión como uno de los sectores con mayor potencial para aplicar técnicas avanzadas de machine learning. La mezcla de expertos constituye una arquitectura revolucionaria en el campo del aprendizaje automático permite escalar significativamente la capacidad de los modelos sin un aumento proporcional en el costo computacional. Esta arquitectura divide el modelo en múltiples “expertos” especializados y utiliza una red de enrutamiento (gating network) para determinar cuáles expertos deben procesar cada entrada especifica. El resultado es un modelo que puede alcanzar un rendimiento superior manteniendo la eficiencia computacional mediante la inferencia. En este artículo presentamos un caso práctico donde se implementaron exitosamente tres técnicas de deep learning de vanguardia: Gating Adaptativo, Routing Dinámico y Cross-Expert Attention, para optimizar la gestión de cultivos de limón en el departamento de Piura en el norte del Perú.
- 30 June 2025
- Published by Universidad Ricardo Palma in Perfiles de Ingeniería
- Vol. 21 (23) , 127-142
El análisis léxico-morfológico en el procesamiento de lenguaje natural
En un lenguaje natural ocurren errores ortográficos y ambigüedades que pueden resolverse por los humanos, esto no ocurre en los lenguajes formales. El procesamiento de lenguaje natural tiene como propósito que el humano pueda comunicarse con las máquinas en lenguaje natural, sin embargo, para una máquina, los errores ortográficos pueden ser más difíciles de identificar. Estos errores pueden ser de diverso tipo entre ellos los errores lexicográficos. El presente estudio tiene como objetivo evidenciar el análisis léxico-morfológico como mejora de la precisión y eficiencia en las tareas de procesamiento del lenguaje natural, mediante la combinación de técnicas de tokenización avanzada y análisis morfológico profundo para aplicaciones en dominios especializados.
- 30 June 2025
- Published by Universidad Ricardo Palma in Perfiles de Ingeniería
- Vol. 21 (23) , 127-142
El análisis léxico-morfológico en el procesamiento de lenguaje natural
En un lenguaje natural ocurren errores ortográficos y ambigüedades que pueden resolverse por los humanos, esto no ocurre en los lenguajes formales. El procesamiento de lenguaje natural tiene como propósito que el humano pueda comunicarse con las máquinas en lenguaje natural, sin embargo, para una máquina, los errores ortográficos pueden ser más difíciles de identificar. Estos errores pueden ser de diverso tipo entre ellos los errores lexicográficos. El presente estudio tiene como objetivo evidenciar el análisis léxico-morfológico como mejora de la precisión y eficiencia en las tareas de procesamiento del lenguaje natural, mediante la combinación de técnicas de tokenización avanzada y análisis morfológico profundo para aplicaciones en dominios especializados.
- Open Access
- 30 June 2025
- Published by Universidad Ricardo Palma in Perfiles de Ingeniería
- Vol. 22 (23) , 127-142
El análisis léxico-morfológico en el procesamiento de lenguaje natural
En un lenguaje natural ocurren errores ortográficos y ambigüedades que pueden resolverse por los humanos, esto no ocurre en los lenguajes formales. El procesamiento de lenguaje natural tiene como propósito que el humano pueda comunicarse con las máquinas en lenguaje natural, sin embargo, para una máquina, los errores ortográficos pueden ser más difíciles de identificar. Estos errores pueden ser de diverso tipo entre ellos los errores lexicográficos. El presente estudio tiene como objetivo evidenciar el análisis léxico-morfológico como mejora de la precisión y eficiencia en las tareas de procesamiento del lenguaje natural, mediante la combinación de técnicas de tokenización avanzada y análisis morfológico profundo para aplicaciones en dominios especializados.
- 30 June 2025
- Published by Universidad Ricardo Palma in Perfiles de Ingeniería
- Vol. 22 (23) , 127-142
Open AccessEl análisis léxico-morfológico en el procesamiento de lenguaje natural
En un lenguaje natural ocurren errores ortográficos y ambigüedades que pueden resolverse por los humanos, esto no ocurre en los lenguajes formales. El procesamiento de lenguaje natural tiene como propósito que el humano pueda comunicarse con las máquinas en lenguaje natural, sin embargo, para una máquina, los errores ortográficos pueden ser más difíciles de identificar. Estos errores pueden ser de diverso tipo entre ellos los errores lexicográficos. El presente estudio tiene como objetivo evidenciar el análisis léxico-morfológico como mejora de la precisión y eficiencia en las tareas de procesamiento del lenguaje natural, mediante la combinación de técnicas de tokenización avanzada y análisis morfológico profundo para aplicaciones en dominios especializados.