Sistema Nacional de Investigadoras e Investigadores:

SNII Nivel II

Grupo de investigación (área):

Ciencias de la Computación

Línea de investigación principal:

Procesamiento de señales y visión por computadora

Líneas de investigación secundarias:

Métodos numéricos, cómputo paralelo y optimización
Aprendizaje máquina y análisis de datos

Sede de adscripción:

GUANAJUATO

Correo electrónico:

dalmau@cimat.mx


Página personal

Google Academics

Research Gate

Dr. Óscar Susano Dalmau Cedeño

Investigador Titular



Doctor en Ciencias (2010) con orientación en Ciencias de la Computación en el Centro de Investigación en Matemáticas (CIMAT). Maestro en Ciencias con especialidad en Ciencias de la Computación y Matemáticas Industriales (2006) también en CIMAT y obtuvo la Licenciatura en Educación en la especialidad de Matemáticas en el Instituto Superior Pedagógico de Manzanillo Cuba (1989).

Sus principales áreas de investigación son el Aprendizaje Estadístico, la Optimización, el Procesamiento de Imágenes y la Visión por Computadora. Trabajó como profesor de Matemáticas en el Instituto Pre Vocacional de Ciencias Exactas (IPVCE) de Bayamo (Cuba) de 1987 a 1997 y durante el mismo tiempo colaboró como entrenador de Matemáticas de estudiantes que participan en olimpiadas de Matemáticas. De 1997 hasta 1998 trabajó como profesor de Computación en el Departamento de Computación de la Universidad de Granma (Cuba). En 1998 inició su trabajo como Analista en Sistemas de Computación en la Empresa de Seguros Nacionales, Granma, Cuba, colaborando con ellos hasta el 2004. Ha trabajado como asistente de investigador en materias Programación y Optimización en el CIMAT. Asimismo, ha publicado y presentado artículos de investigación en talleres y congresos nacionales e internacionales así como en revistas arbitradas. Desde 2010 trabaja en el Centro de Investigación en Matemáticas A.C., del 2010 al 2013 trabajó en la Unidad de Monterrey y actualmente está trabajando en CIMAT Guanajuato donde es Investigador Titular “B”.

Publicaciones recientes:



Two adaptive scaled gradient projection methods for stiefel manifold constrained optimization




A hybrid gradient method for strictly convex quadratic programming




Two novel gradient methods with optimal step sizes




D-GaussianNet: Adaptive Distorted Gaussian Matched Filter with Convolutional Neural Network for Retinal Vessel Segmentation




D-GaussianNet: Adaptive Distorted Gaussian Matched Filter with Convolutional Neural Network for Retinal Vessel Segmentation