Lucio Naranjo José Francisco
Departamento de Informática y Ciencias de la Computación
Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Oficina: Subdecanato
Ext: 4737
iD orcid.org/0000-0003-2578-1950
Estudios
  1. Ingeniero en Sistemas y Computación en Pontificia Universidad Católica del Ecuador
  2. Mestre em Modelagem Computacional, Master in Sciences (M.Sc.) en la Universidade do Estado do Rio de Janeiro 
  3. Doutor em Modelagem Computacional, Doctor in Sciences (D.Sc.) en la Universidade do Estado do Rio de Janeiro
Líneas de investigación
  1. DICC-A1-L1 Inteligencia Artificial
  2. DICC-A1-L2 Machine learning
  3. DICC-A1-L3 Modelado y simulación
Publicaciones
  1. Guerrero, M., Segura, M., & Lucio, J. (2021). Proposal of a Framework for Information Migration from Legacy Applications in Solidarity Financial Sector Entities. Advances in Intelligent Systems and Computing, 1273 AISC, 309–320. https://doi.org/10.1007/978-3-030-59194-6_26
  2. Bravo-Moncayo, L., Lucio Naranjo, J., Pavón García, I., & Mosquera, R. (2017). Neural based contingent valuation of road traffic noise. Transportation Research Part D: Transport and Environment, 50, 26–39. https://doi.org/10.1016/j.trd.2016.10.020
  3. Bravo-Moncayo, L., Lucio-Naranjo, J., Chávez, M., Pavón-García, I., & Garzón, C. (2019). A machine learning approach for traffic-noise annoyance assessment. Applied Acoustics, 156, 262–270. https://doi.org/10.1016/j.apacoust.2019.07.010
  4. Bravo-Moncayo, L., Chávez, M., Puyana, V., Lucio-Naranjo, J., Garzón, C., & Pavón-García, I. (2019). A cost-effective approach to the evaluation of traffic noise exposure in the city of Quito, Ecuador. Case Studies on Transport Policy, 7(1), 128–137. https://doi.org/10.1016/j.cstp.2018.12.006
  5. Bravo-Moncayo, L., Pavón-García, I., Lucio-Naranjo, J., & Mosquera, R. (2017). Contingent valuation of road traffic noise: A case study in the urban area of Quito, Ecuador. Case Studies on Transport Policy, 5(4), 722–730. https://doi.org/10.1016/j.cstp.2017.08.003
  6. Naranjo, J. F. L., Torres, J. C. B., & Tenenbaum, R. A. (2017). Optimum ANN architecture for HRIR interpolation. In Horizons in Computer Science Research (Vol. 15). https://www.scopus.com/inward/record.uri?eid=2-s2.0-85044567674&partnerID=40&md5=578b500655a547135e95847a27ff09c4

Back to top