Hola,
¿eres nuevo aquí?

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

TEC2014-52289-R

Financiado

APRENDIZAJE AUTOMATICO DE CARACTERISTICAS Y METRICAS INTERPRETABLES PARA INTELIG...

APRENDIZAJE AUTOMATICO DE CARACTERISTICAS Y METRICAS INTERPRETABLES PARA INTELIGENCIA COMPUTACIONAL EL PROYECTO ESTUDIA EL USO DE HERRAMIENTAS DE APRENDIZAJE AUTOMATICO (ML, MACHINE LEARNING) PARA EL DISEÑO DE CARACTERISTICAS Y METRICAS QUE SEAN FACILES DE INTERPRETAR, EL ENFOQUE FUNDAMENTAL DE LA PROPUESTA ES CONTRIBUIR CON DIV... ver más

01/01/2014

UC3M

157K€

Presupuesto del proyecto: 157K€

Líder del proyecto

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

Total investigadores 1332

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2014-01-01

0% 100%

Participantes

UC3M

Lider

Proyectos interesantes

TRUST-ML Trust-ML: An Optimization-based Platform for Building Trust... 231K€ Cerrado

TED2021-129438B-I00 TOPOLOGIA COMPUTACIONAL PARA EL AHORRO DE ENERGIA Y LA OPTIM... 47K€ Cerrado

TED2021-131671B-I00 PREDICCION A CORTO PLAZO DE VARIABLES ENERGETICAS MEDIANTE M... 93K€ Cerrado

TEC2014-57402-JIN TECNICAS AVANZADAS DE APRENDIZAJE MAQUINA PARA RECONOCIMIENT... 99K€ Cerrado

Green.Dat.AI Energy-efficient AI-ready Data Spaces 7M€ Cerrado

REAL Reliable and cost effective large scale machine learning 1M€ Cerrado

Últimas noticias

29-11-2024: IDAE En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones

29-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones

29-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 37 concesiones

Líder del proyecto

UNIVERSIDAD CARLOS III DE MADRID

Total investigadores 1332

Presupuesto del proyecto 157K€

Descripción del proyecto EL PROYECTO ESTUDIA EL USO DE HERRAMIENTAS DE APRENDIZAJE AUTOMATICO (ML, MACHINE LEARNING) PARA EL DISEÑO DE CARACTERISTICAS Y METRICAS QUE SEAN FACILES DE INTERPRETAR, EL ENFOQUE FUNDAMENTAL DE LA PROPUESTA ES CONTRIBUIR CON DIVERSAS TECNOLOGIAS FACILITADORAS DIRECTAMENTE APLICABLES EN EL DISEÑO DE SOLUCIONES ML PARA TRES PROBLEMAS ESTRATEGICOS QUE SE ALINEAN CON TRES DE LOS RETOS DEL PLAN NACIONAL:1, CARACTERIZACION DE TRASTORNOS MENTALES CON IMAGENES DE RESONANCIA MAGNETICA (MRI), RETO 1: SALUD CAMBIO CLIMATICO Y BIENESTAR2, DISEÑO DE MODELOS DE SEÑALES DE CONSUMO ELECTRICO Y DE TARIFICACION VARIABLE PARA SIMULADORES DE REDES ELECTRICAS INTELIGENTES (SMART GRID), RETO 3: ENERGIA SEGURA, EFICIENTE Y LIMPIA3, DESARROLLO DE HERRAMIENTAS PARA EL USO DE INTERNET COMO FUENTE DE DATOS (IAD), RETO 7: ECONOMIA Y SOCIEDAD DIGITAL, EN EL PRIMER ESCENARIO ABORDAREMOS LA CARACTERIZACION DEL TRASTORNO OBSESIVO COMPULSIVO Y DE LA ENFERMEDAD DE ALZHEIMER MEDIANTE UN CONJUNTO MANEJABLE DE NEUROMARCADORES (MEDIDAS EXTRAIDAS AUTOMATICAMENTE A PARTIR DE MRI) QUE PROPORCIONEN INFORMACION NEUROANATOMICA DE PARTES DEL CEREBRO RELACIONADAS CON CADA TRASTORNO, EN EL ESCENARIO DE REDES INTELIGENTES DE ENERGIA CONSTRUIREMOS MODELOS PROBABILISTICOS PARA DIFERENTES POBLACIONES DE CONSUMIDORES DE ENERGIA ELECTRICA, DIFERENTES ESTRATEGIAS DE TARIFICACION EN TIEMPO REAL Y DIFERENTES PATRONES DE CONSUMO DE MAQUINAS ELECTRICAS, ESTOS MODELOS ESTARAN BASADOS EN PERFILES QUE REFLEJEN COMPORTAMIENTOS TIPICOS, LO QUE FACILITARA SU INTERPRETABILIDAD, ADEMAS CADA PERFIL ESTARA EXPRESADO EN FUNCION DE SEGMENTOS TEMPORALES QUE DESCRIBAN PATRONES CARACTERISTICOS DE CONSUMO O PRODUCCION (OPERACION PUNTUAL DE UN ELECTRODOMESTICO, CARGA DE UN COCHE ELECTRICO, ETC,),FINALMENTE, EN EL ESCENARIO DE INTERNET COMO FUENTE DE DATOS ANALIZAREMOS EL PROBLEMA DE EMPAREJAMIENTO DE DOCUMENTOS Y PERFILES OBTENIDOS DE CORPUS HETEROGENEOS CARACTERIZADOS POR VOCABULARIOS DIFERENTES, PARA ELLO, SE PROPONEN DIVERSAS ESTRATEGIAS PARA APRENDER DE FORMA AUTOMATICA LA DISTANCIA SEMANTICA ENTRE LOS ELEMENTOS INDIVIDUALES DE LOS CORPUS, DICHAS METRICAS PERMITIRAN ESTABLECER LA DISTANCIA ENTRE DOCUMENTOS Y PERFILES DE DISTINTOS CORPUS,EXISTE UNA ESTRUCTURA COMUN ENTRE ESTOS TRES ESCENARIOS: CADA DATO DE ENTRADA ESTA FORMADO POR UNA COLECCION ENORME DE VARIABLES DE ENTRADA (VOXELES/PIXELES, MUESTRAS DE SEÑAL, FRECUENCIAS DE APARICION DE PALABRAS), CADA VARIABLE POR SEPARADO CARECE PRACTICAMENTE DE SENTIDO SEMANTICO PERO FORMA PARTE DE UN GRUPO DE VARIABLES QUE SI TIENE UNA CONEXION SEMANTICA DIRECTA CON LA TAREA A RESOLVER (ESTO ES, CON EL PROCESO FISICO SUBYACENTE: ANOMALIA ESTRUCTURAL DEL CEREBRO, COMPORTAMIENTO DE UN DISPOSITIVO CONECTADO A LA RED ELECTRICA O CONCEPTO SEMANTICO RECOGIDO EN UN CONJUNTO DE PALABRAS), ADEMAS, EN LOS TRES ESCENARIOS SE DISPONE DE INFORMACION EXTERNA (PERFILADO GENETICO DE LOS SUJETOS, INFORMACION METEOROLOGICA, PERFILES DEMOGRAFICOS DE USUARIOS DE ENERGIA, ENLACES, IMAGENES O VIDEOS ALOJADOS EN UNA PAGINA WEB, ETC,) QUE ES NECESARIO INCORPORAR DE UN MODO INTELIGENTE E INTELIGIBLE EN EL DISEÑO DE LA SOLUCION ML,LA RECUPERACION DE ESTAS CARACTERISTICAS DE ALTO CONTENIDO SEMANTICO, O DE PERFILES QUE CAPTUREN COMPORTAMIENTOS TIPICOS DE GRUPOS HOMOGENEOS PERMITIRAN MEJORAR LAS PRESTACIONES DE LAS SOLUCIONES A ESTOS PROBLEMAS BASADAS EN ML, AUMENTAR SU ACEPTACION POR PARTE DE USUARIOS NO EXPERTOS, ASI COMO FACILITAR SU REUTILIZACION EN PROBLEMAS RELACIONADOS, INTELIGENCIA-COMPUTACIONAL\CARACTERÍSTICAS\MÉTRICAS\NEUROIMAGEN\REDES-INTELIGENTES\INTERNET-COMO-FUENTE-DE-INFORMACIÓN

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores