Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

RTI2018-099655-B-I00

Financiado

APRENDIZAJE MAQUINA Y COMPUTACION MASIVA PARA MEDICINA PERSONALIZADA Y ANALISIS...

APRENDIZAJE MAQUINA Y COMPUTACION MASIVA PARA MEDICINA PERSONALIZADA Y ANALISIS CUANTITATIVO DEL CLIMA MUCHOS DE LOS PROBLEMAS MAS DESAFIANTES EN LA CIENCIA APLICADA Y LA INGENIERIA EXIGEN LA CONSTRUCCION E INTERPRETACION DE MODELOS DINAMICOS COMPLEJOS, QUE IMPLICAN ESTRUCTURAS LATENTES, MUCHOS GRADOS DE LIBERTAD, ETC,, QUE SON ADE... ver más

01/01/2018

UC3M

125K€

Presupuesto del proyecto: 125K€

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 2018-01-01 No tenemos la información de la convocatoria

0% 100%

Participantes

UC3M

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

TED2021-132346B-I00 DESDE LA HIPOTESIS A LA VALIDACION USANDO CIENCIA DE DATOS:... 380K€ Cerrado

TIN2016-77820-C3-3-R EXTRACCION DE GRAFOS SEMANTICOS A PARTIR DE HISTORIALES CLIN... 97K€ Cerrado

FJCI-2016-29677 Machine learning and statistical methods applied to big data... 50K€ Cerrado

PID2020-118345RB-I00 ANALITICA VISUAL Y MACHINE LEARNING PARA TOMA DE DECISIONES... 78K€ Cerrado

TIN2011-28956-C02-01 ANALISIS INTELIGENTE DE INFORMACION BIOMEDICA 41K€ Cerrado

TIN2010-20900-C04-02 MINERIA DE DATOS CON MODELOS GRAFICOS PROBABILISTICOS: NUEVO... 64K€ Cerrado

Líder del proyecto

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

Total investigadores 1332

Presupuesto del proyecto 125K€

Descripción del proyecto MUCHOS DE LOS PROBLEMAS MAS DESAFIANTES EN LA CIENCIA APLICADA Y LA INGENIERIA EXIGEN LA CONSTRUCCION E INTERPRETACION DE MODELOS DINAMICOS COMPLEJOS, QUE IMPLICAN ESTRUCTURAS LATENTES, MUCHOS GRADOS DE LIBERTAD, ETC,, QUE SON ADECUADOS PARA DATOS TEMPORALES HETEROGENEOS DE GRAN DIMENSION, LAS TECNOLOGIAS EMERGENTES EN CAMPOS COMO LA MEDICINA PERSONALIZADA, LA PREDICCION NUMERICA DEL CLIMA O LA CIENCIA CLIMATICA CUANTITATIVA EXIGEN LA CAPACIDAD DE(A) APRENDER DE CONJUNTOS DE DATOS QUE SON SORPRENDENTEMENTE PEQUEÑOS EN COMPARACION CON LA DIMENSION DE LAS VARIABLES Y PARAMETROS DESCONOCIDOS EN EL MODELO, Y(B) IDEAR ALGORITMOS COMPUTACIONALMENTE EFICIENTES PARA LA INFERENCIA NUMERICA (SEGUIMIENTO, ESTIMACION, PREDICCION),EN ESTE PROYECTO, PRESENTAMOS HERRAMIENTAS DE INFERENCIA COMPUTACIONAL QUE PERMITEN LA INFERENCIA BAYESIANA A GRAN ESCALA EN SISTEMAS DINAMICOS DE GRAN DIMENSION MEDIANTE MODELOS GRAFICOS PROBABILISTICOS, DEMOSTRAMOS SU AMPLIO POTENCIAL DE APLICABILIDAD EN DOS PROBLEMAS INTERDISCIPLINARIOS: MEDICINA PERSONALIZADA Y CIENCIA CLIMATICA CUANTITATIVA, EN EL PRIMER CASO, NUESTRO OBJETIVO ES PROPORCIONAR UNA REPRESENTACION AGNOSTICA DE EVALUACION FUNCIONAL NO INVASIVA DE UNA PERSONA MEDIANTE LA EXPLOTACION DE LA HUELLA DIGITAL QUE DEJA ATRAS, QUE SE CONTROLARA MEDIANTE MEDICIONES PASIVAS, OBTENIDAS DE DISPOSITIVOS ELECTRONICOS COMO TELEFONOS MOVILES O RELOJES INTELIGENTES, SE UTILIZARAN MODELOS GENERATIVOS PROBABILISTICOS CON VARIABLES LATENTES PARA CONSTRUIR REPRESENTACIONES DE PACIENTES QUE PERMITAN LA CARACTERIZACION ESTADISTICA NO INVASIVA DE SU COMPORTAMIENTO Y EL DESARROLLO DE METODOS DE DETECCION AUTOMATICA DE PUNTO DE CAMBIO, ESTAS HERRAMIENTAS SE DEMOSTRARAN EN TRES PROBLEMAS DE ALTA PREVALENCIA: EL USO DEL FENOTIPO DIGITAL PARA EVALUACION FUNCIONAL AGNOSTICA EN PSIQUIATRIA, EVALUACION DEL RENDIMIENTO Y CALIDAD DE VIDA EN PACIENTES ONCOLOGICOS, Y CARACTERIZACION DE PATRONES DE SUEÑO E IDENTIFICACION DE POSIBLES TRASTORNOS DEL SUEÑO SIN REQUERIR PRUEBAS DE POLISOMNOGRAFIA,AL IGUAL QUE EN LA MEDICINA PERSONALIZADA, LA PREVISION METEOROLOGICA GLOBAL Y LA PROYECCION CUANTITATIVA DEL CLIMA NECESITAN IDEAR MODELOS DINAMICOS PROBABILISTICOS MUY COMPLEJOS QUE CAPTUREN LA INCERTIDUMBRE CLIMATICA, ASI COMO LOS METODOS COMPUTACIONALES PARA HACER UN USO PRACTICO DE ESTOS MODELOS PARA PRODUCIR PROYECCIONES CLIMATICAS CONFIABLES Y PRONOSTICOS METEOROLOGICOS, LOS MODELOS METEOROLOGICOS Y CLIMATICOS MAS AVANZADOS SON MODELOS DE ESPACIO-ESTADO ENORMEMENTE DIMENSIONALES, EN LOS QUE EL USO DEL FILTRADO DE PARTICULAS (PF) PARA EL FILTRADO ESTADISTICO NO LINEAL RARA VEZ SE EXPLORA HASTA AHORA, YA QUE LA COMPLEJIDAD ASOCIADA DE LOS ESQUEMAS PF ACTUALES SE VUELVE PROHIBITIVA, EN ESTE PROYECTO, DEMOSTRAREMOS QUE LOS FILTROS AVANZADOS DE PARTICULAS DISTRIBUIDAS COMBINADOS CON ESQUEMAS DE INTEGRACION NUMERICA ADECUADOS SE PUEDEN APLICAR CON EXITO PARA CALCULAR PROYECCIONES CLIMATICAS PROBABILISTICAS UTILIZANDO MODELOS DE CIRCULACION GENERAL ATMOSFERA-OCEANO,PARA ABORDAR OBJETIVOS TAN AMBICIOSOS, PROPONDREMOS UN CONJUNTO DE METODOLOGIAS NOVEDOSAS PARA REALIZAR MODELOS PROBABILISTICOS DE SISTEMAS DINAMICOS COMPLEJOS UTILIZANDO MODELOS GENERATIVOS PROFUNDOS, Y NUEVAS METODOLOGIAS PARA LA ESTIMACION BAYESIANA, LA PREDICCION Y LA INFERENCIA DE MODELOS NO LINEALES, GRANDES SISTEMAS DINAMICOS DE ESCALA QUE COMBINAN METODOS SECUENCIALES DE MONTE CARLO CON AVANCES RECIENTES EN APROXIMACIONES VARIACIONALES, APRENDIZAJE AUTOMÁTICO\MODELOS DINÁMICOS COMPLEJOS\MODELADO PROBABILÍSTICO\INFERENCIA BAYESIANA\MEDICINA PERSONALIZADA\CAMBIO CLIMÁTICO

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores