Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

TIN2015-67534-P

Financiado

ALGORITMOS DE ENSEMBLES PARA PROBLEMAS DE SALIDAS MULTIPLES. NUEVOS DESARROLLOS...

ALGORITMOS DE ENSEMBLES PARA PROBLEMAS DE SALIDAS MULTIPLES. NUEVOS DESARROLLOS Y APLICACIONES. LAS TAREAS DE PREDICCION MAS COMUNES DEL APRENDIZAJE AUTOMATICO SUPERVISADO SON LA CLASIFICACION Y LA REGRESION, EN AMBOS CASOS EL VALOR A PREDECIR, SEA ESTE DISCRETO O CONTINUO, ES UNICO, ES DECIR, DADOS LOS VALORES DE UNOS ATRIB... ver más

01/01/2015

UBU

66K€

Presupuesto del proyecto: 66K€

Líder del proyecto

UNIVERSIDAD DE BURGOS No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 370

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2015-01-01

0% 100%

Participantes

UBU

Lider

Proyectos interesantes

PID2019-109238GB-C22 APRENDIZAJE AUTOMATICO ESCALABLE Y EXPLICABLE 167K€ Cerrado

TIN2011-24046 ALGORITMOS DE ENSEMBLES PARA REGRESION: NUEVOS METODOS Y APL... 23K€ Cerrado

TIN2012-33856 NUEVOS PROBLEMAS EN MINERIA DE DATOS: SOLUCIONES CON TECNICA... 56K€ Cerrado

PID2019-106827GB-I00 APRENDIZAJE AUTOMATICO: INTREPRETABILDAD, ALGORITMOS AVANZAD... 97K€ Cerrado

PID2020-113013RB-C22 INTEGRACION DE TECNICAS DE ANALISIS Y VISUALIZACION DE DATOS... 82K€ Cerrado

PID2020-112754GB-I00 MODELIZACION Y ANALISIS DE CONTEXTOS PARA EL DISEÑO DE SISTE... 58K€ Cerrado

Últimas noticias

02-12-2024: AGENCIA-VALENCIANA-D... En las últimas 48 horas el Organismo AGENCIA VALENCIANA D... ha otorgado 1 concesiones

02-12-2024: CDTI En las últimas 48 horas el Organismo CDTI ha otorgado 4 concesiones

01-12-2024: REDES En las últimas 48 horas el Organismo REDES ha otorgado 1337 concesiones

Líder del proyecto

UNIVERSIDAD DE BURGOS

Total investigadores 370

Presupuesto del proyecto 66K€

Descripción del proyecto LAS TAREAS DE PREDICCION MAS COMUNES DEL APRENDIZAJE AUTOMATICO SUPERVISADO SON LA CLASIFICACION Y LA REGRESION, EN AMBOS CASOS EL VALOR A PREDECIR, SEA ESTE DISCRETO O CONTINUO, ES UNICO, ES DECIR, DADOS LOS VALORES DE UNOS ATRIBUTOS DE UN OBJETO O INSTANCIA, QUE SE TOMAN COMO ENTRADA, EL PROBLEMA A RESOLVER ES COMO ASIGNAR A ESTE UNA CLASE O UN VALOR NUMERICO, SIN EMBARGO, CON FRECUENCIA, LA RESTRICCION DE UNA ETIQUETA POR INSTANCIA ES CLARAMENTE INSUFICIENTE, POR EJEMPLO, UN ARTICULO CIENTIFICO PODRIA SER TANTO DE «MINERIA DE DATOS» COMO DE «SOLUCION DE PROBLEMAS INDUSTRIALES»; EL MAL FUNCIONAMIENTO DE UNA FRESADORA PODRIA CARACTERIZARSE POR APARECER AL MISMO TIEMPO «ALTOS NIVELES DE VIBRACION» Y «UNA BAJA EFICIENCIA ENERGETICA»; EN UN DIAGNOSTICO DE CALIDAD DEL SOFTWARE, UN DISEÑO POBRE LO PUEDE SER POR LA PRESENCIA SIMULTANEA DE DIVERSAS PATOLOGIAS: «UNA CLASE HACE UN USO EXCESIVO DE METODOS DE OTRA», «EXISTE CODIGO DUPLICADO O SIMILAR EN DISTINTAS PARTES», «EXISTEN METODOS CON UNA LISTA DE ARGUMENTOS DEMASIADO GRANDE», EN TODOS ESTOS CASOS, LOS OBJETOS PUEDEN TENER ASOCIADOS DISTINTAS ETIQUETAS Y BIEN LA CLASIFICACION MULTIETIQUETA O LA REGRESION MULTIVALOR SER ENFOQUES MAS ADECUADOS,EN NUESTRO GRUPO DE INVESTIGACION TENEMOS UNA AMPLIA EXPERIENCIA EN EL DISEÑO DE NUEVOS ALGORITMOS PARA LA CONSTRUCCION DE MULTICLASIFICADORES, LOS MULTICLASIFICADORES, O ENSEMBLES, SON METODOS QUE CONSIGUEN MEJORAR NOTABLEMENTE EL DESEMPEÑO DE UN UNICO CLASIFICADOR INDIVIDUAL MEDIANTE LA COMBINACION DE VARIOS DE ELLOS, NUESTRO GRUPO HA CONTRIBUIDO AL AUMENTO DE METODOS DISPONIBLES DE APRENDIZAJE AUTOMATICO CON VARIOS ALGORITMOS DE CONSTRUCCION DE ENSEMBLES: ROTATION FOREST, DISTURBING NEIGHBOURS, RANDOM ORACLES AND RANDOM FEATURE WEIGHTS, ESTOS NUEVOS ALGORITMOS HAN DEMOSTRADO QUE OFRECEN UN DESEMPEÑO MEJOR QUE OTROS ALGORITMOS CLASICOS EN EL AREA, EN EL CASO DEL ROTATION FOREST, ESTE SE HA CONVERTIDO EN UN METODO DE REFERENCIA CON EL QUE INTENTAN COMPARARSE LAS NUEVAS PROPUESTAS DE ALGORITMOS, Y ALGUNOS LIBROS DE MINERIA DE DATOS YA LO INCLUYEN TAMBIEN COMO UN METODO CLASICO,TAMBIEN TENEMOS EXPERIENCIA EN EL DISEÑO DE ALGORITMOS DE ENSEMBLES PARA PROBLEMAS DESEQUILIBRADOS (UNA CLASE TIENE MUCHAS MAS INSTANCIAS QUE LAS RESTANTES) Y DE SELECCION DE INSTANCIAS (TECNICA DE PREPROCESAMIENTO QUE PERMITE REDUCIR EL TAMAÑO DE UN CONJUNTO DE DATOS),EN UN PROYECTO PREVIO HEMOS TENIDO EXITO EN LA ADAPTACION A PROBLEMAS DE REGRESION DE ALGUNOS DE ESTOS METODOS, INICIALMENTE PENSADOS PARA CLASIFICACION, EL OBJETIVO PRINCIPAL DEL PRESENTE PROYECTO SERIA INVESTIGAR EN COMO PODRIAMOS ADAPTAR ESTOS METODOS A LA RESOLUCION DE PROBLEMAS MULTIETIQUETA Y MULTIVALOR,COMO SEGUNDO OBJETIVO BUSCAMOS LA APLICACION DE ESTOS NUEVOS ALGORITMOS A LA SOLUCION DE PROBLEMAS INDUSTRIALES, EN LA LINEA DE NUESTRAS INVESTIGACIONES PREVIAS, PERO TAMBIEN DE PROBLEMAS DE INGENIERIA DE SOFTWARE, LO QUE NOS DA LA OPORTUNIDAD DE INCORPORAR AL GRUPO NUEVOS INVESTIGADORES QUE SE ESPECIALIZARAN EN ESTE TIPO DE PROBLEMAS, EN EL ESPIRITU DE ESTA CONVOCATORIA, QUE BUSCA EVITAR LA FRAGMENTACION Y AGLUTINAR INVESTIGADORES EN TORNO A OBJETIVOS COMUNES,DOS OBJETIVOS ADICIONALES SON, POR UN LADO, BUSCANDO UN MAYOR IMPACTO E INTERNACIONALIZACION, OFRECER EL ACCESO A LOS METODOS DESARROLLADOS A TRAVES DE SERVICIOS WEB (MACHINE LEARNING AS A SERVICE, MLAAS); POR OTRO, INVESTIGAR LA POSIBILIDAD DE ADAPTARLOS A LOS MODELOS DE COMPUTO QUE PERMITIRIAN SU UTILIZACION EN LAS PLATAFORMAS DE BIG DATA, APRENDIZAJE AUTOMÁTICO\ENSEMBLE LEARNING\PROBLEMAS MUTIETIQUETA\INGENIERÍA DEL SOFTWARE\MACHINE LEARNING AS A SERVICE\BIG DATA

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores