INGENIERIA COMPUTACIONAL BASADA EN SIMULACION DE APRENDIZAJE AUTOMATICO
SMILE SE FUNDAMENTA EN EL APRENDIZAJE AUTOMATICO CIENTIFICO QUE ES UN CAMPO DE INVESTIGACION EMERGENTE CENTRADO EN LA EXPLOTACION DE TECNICAS DE APRENDIZAJE AUTOMATICO DE ENORME EXITO EN EL TRATAMIENTO DE DATOS PARA LA SOLUCION DE...
ver más
Descripción del proyecto
SMILE SE FUNDAMENTA EN EL APRENDIZAJE AUTOMATICO CIENTIFICO QUE ES UN CAMPO DE INVESTIGACION EMERGENTE CENTRADO EN LA EXPLOTACION DE TECNICAS DE APRENDIZAJE AUTOMATICO DE ENORME EXITO EN EL TRATAMIENTO DE DATOS PARA LA SOLUCION DE PROBLEMAS COMPLEJOS EN LAS CIENCIAS FISICAS Y LA INGENIERIA, EN CONCRETO, SMILE CONTRIBUIRA EN TRES RETOS INDUSTRIALES DETERMINADOS CONJUNTAMENTE CON SEAT, WORLD SENSING Y ESI-GROUP, ESTA DISEÑADO COMO UN PROYECTO UNICO DONDE TODOS TRABAJAN JUNTOS Y LAS CONTRIBUCIONES DE LOS DIFERENTES EQUIPOS SE ENTRELAZAN PARA APROVECHAR SINERGIAS Y COMPLEMENTARIEDADES,EL PROYECTO DESARROLLARA ESTRATEGIAS COMPUTACIONALES NOVEDOSAS PARA SIMULAR PROBLEMAS INDUSTRIALES COMBINANDO TECNOLOGIA DE USO INTENSIVO DE DATOS Y MODELOS CON SIMULADORES DE FRONTERA BASADOS EN LA FISICA (INCLUIDOS MODELOS REDUCIDOS), CADA GRUPO APORTARA SU PROPIA EXPERIENCIA INDIVIDUAL EN CADA ASPECTO DE LA INVESTIGACION, PERO EL PROYECTO HA SIDO DISEÑADO COMO UN PROYECTO UNICO EN EL QUE TODOS LOS EQUIPOS TRABAJAN JUNTOS, ASI, LOS TRES EQUIPOS CONTRIBUIRAN A CADA TAREA, AUNQUE SOLO UN LIDER SE ENCARGARA DE LA EJECUCION DE CADA TAREA, CADA OBJETIVO CIENTIFICO Y TECNOLOGICO EN SMILE TIENE UN INVESTIGADOR PRINCIPAL DE CUALQUIERA DE LAS TRES INSTITUCIONES, ESTE LIDER SE ELIGE EN FUNCION DE SU EXPERIENCIA Y DE LAS TAREAS ASIGNADAS INDEPENDIENTEMENTE DE SU UBICACION,LA UPC CONTRIBUIRA EN TODAS LAS TAREAS, PERO LIDERARA DOS OBJETIVOS CONCRETOS QUE DE HECHO SIENTAN LAS BASES DE LOS GEMELOS DIGITALES COGNITIVOS, ESTAS TAREAS SON: T1,2 MODELOS REDUCIDOS EFICACES DENTRO DEL OBJETIVO GLOBAL DE SIMULADORES DE INGENIERIA COMPUTACIONAL ROBUSTOS Y EFICIENTES, Y T2,1 ACTUALIZACION DEL MODELO BAYESIANO EN EL OBJETIVO GLOBAL DE ACTUALIZACION DE MODELOS, ASIMILACION DE DATOS Y CUANTIFICACION DE LA INCERTIDUMBRE,EL PRIMERO IMPLICA EL DESARROLLO DE NUEVAS TECNICAS DE REDUCCION DE LA COMPLEJIDAD, BASADAS EN LA REDUCCION DE MODELOS (COMBINADA TAMBIEN CON ENFOQUES DE MULTI-FIDELIDAD Y DESCOMPOSICION DE DOMINIOS) ASI COMO EN ESTRATEGIAS DE APRENDIZAJE PROFUNDO, POR EL CONTRARIO, EL SEGUNDO SE CENTRA EN EL DESARROLLO DE UN NUEVO METODO DE MONTE-CARLO BASADO EN CADENAS DE MARKOV QUE TENGA EN CUENTA LOS ERRORES ASOCIADOS CON LOS DATOS, EL MODELO DE ORDEN COMPLETO Y EL MODELO SUSTITUTIVO DE APRENDIZAJE AUTOMATICO, APRENDIZAJE AUTOMATICO CIENTIFICO\ASIMILACION DE DATOS\CUANTIFICACION DE LA INCERTIDUMBRE\ACTUALIZACION DE MODELOS\MODELOS REDUCIDOS\GEMELOS DIGITALES COGNITIVOS
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.