Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

PID2021-123090NB-I00

Financiado

Cerrado

INTEGRACION DE MODELADO ESTADISTICO DE SEÑAL Y DE APRENDIZAJE GUIADO POR LOS DAT...

INTEGRACION DE MODELADO ESTADISTICO DE SEÑAL Y DE APRENDIZAJE GUIADO POR LOS DATOS CON APLICACIONES EN INTERFACES CEREBRO-MAQUINA Y MODELADO DE COMPORTAMIENTO NO LINEAL. EN LOS ULTIMOS AÑOS, EMPRESAS TECNOLOGICAS Y UNIVERSIDADES ESTAN INVIRTIENDO GRANDES RECURSOS EN LA CONVERSION DE PROTOTIPOS BASADOS EN EL ANALISIS MULTIDIMENSIONAL Y MULTIMODAL DE LOS DATOS OBTENIDOS DE LOS USUARIOS EN TECNOLOGIA... ver más

01/01/2021

73K€

Presupuesto del proyecto: 73K€

Líder del proyecto

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

Total investigadores 3672

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

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

FLEXIBNPP Flexible Bayesian Non Parametric Priors 100K€ Cerrado

PID2019-109247GB-I00 REDES BAYESIANAS PARA FLUJOS DE DATOS CONTINUOS 154K€ Cerrado

CEEDs The Collective Experience of Empathic Data Systems 9M€ Cerrado

PID2021-127946OB-I00 APRENDIZAJE PROFUNDO PARA LA DETECCION DE ANOMALIAS EN DATOS... 54K€ Cerrado

HEISENDATA HeisenData Towards a Next Generation Uncertain Data Manage... 100K€ Cerrado

PrSc-HDBayLe Provable Scalability for high-dimensional Bayesian Learning 1M€ Cerrado

Líder del proyecto

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

Total investigadores 3672

Presupuesto del proyecto 73K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EN LOS ULTIMOS AÑOS, EMPRESAS TECNOLOGICAS Y UNIVERSIDADES ESTAN INVIRTIENDO GRANDES RECURSOS EN LA CONVERSION DE PROTOTIPOS BASADOS EN EL ANALISIS MULTIDIMENSIONAL Y MULTIMODAL DE LOS DATOS OBTENIDOS DE LOS USUARIOS EN TECNOLOGIA PUNTA QUE REPERCUTE EN NUESTRA EXPERIENCIA VITAL. ESTOS AVANCES TECNOLOGICOS DESCANSAN EN NOVEDOSAS TECNICAS DE APRENDIZAJE QUE PERSIGUEN OBTENER MEJORAS EN NUESTRA SALUD, PRODUCTIVIDAD Y EN EL USO EFICIENTE DE LA ENERGIA. TRADICIONALMENTE, LOS METODOS PARAMETRICOS DEL PROCESADO ESTADISTICO DE SEÑALES SE HAN BASADO EN LA CONSTRUCCION DE MODELOS GENERATIVOS DE LAS OBSERVACIONES. PERO EL RECIENTE EXITO DEL APRENDIZAJE PROFUNDO HA CAMBIADO EL PARADIGMA DE LAS TECNICAS APRENDIZAJE AUTOMATICO, DANDO PASO A LA UTILIZACION DE REPRESENTACIONES SOBREPARAMETRIZADAS QUE NECESITAN SER ENTRENADAS SOBRE GRANDES CANTIDADES DE DATOS. A PESAR DE SUS VENTAJAS, LA FLEXIBILIDAD DE ESTAS REPRESENTACIONES TIENE COMO CONTRAPARTIDA LA PERDIDA DE LA IDENTIFICABILIDAD DE LOS PARAMETROS, LO QUE SUELE FAVORECER EL APRENDIZAJE BASADO EN CORRELACIONES FRENTE A LAS DESEABLES RELACIONES CAUSALES. ADEMAS, EN LA PRACTICA, LOS PARAMETROS SUELEN PERTENECER A VARIEDADES SUAVES CUYA ESTRUCTURA RIEMANNIANA Y SIMETRIAS NO SON APROVECHADAS POR LOS ACTUALES ALGORITMOS DE APRENDIZAJE.EN ESTE PROYECTO, MEDIANTE EL DESDOBLAMIENTO DE LOS ALGORITMOS, QUEREMOS COMBINAR LAS VENTAJAS DE LAS TECNICAS DE APRENDIZAJE BASADAS EN MODELOS CON LAS DE AQUELLAS GUIADAS POR LOS DATOS. EL OBJETIVO DE CONSERVAR LO MEJOR DE AMBOS ENFOQUES, ASI COMO EL PROPONER AVANCES EN LOS METODOS DE APRENDIZAJE NO SUPERVISADO DE LAS OBSERVACIONES BASADOS EN VARIABLES LATENTES. APLICAREMOS ESTAS TECNICAS SOBRE PROBLEMAS PRACTICOS DE RELEVANCIA, COMO LA MEJORA DE LAS TECNICAS DE PROCESADO DE SEÑALES EEG EN INTERFACES CEREBRO-ORDENADOR, EL RECONOCIMIENTO DE EMOCIONES EN ENTORNOS VIRTUALES INTERACTIVOS Y LA INVESTIGACION DE ENFOQUES DE APRENDIZAJE DISTRIBUIDO PARA MODELOS DE COMPORTAMIENTO NO LINEALES. EN ESTE SENTIDO, EXISTE UN CONSENSO EN LA NECESIDAD DE MEJORAR LAS INTERFACES CEREBRALES PARA OBTENER UNA COMUNICACION MAS NATURAL ENTRE LOS USUARIOS Y LOS DISPOSITIVOS SIN NECESIDAD DE TECLADOS O MANDOS. POR OTRO LADO, EN LAS NUEVAS GENERACIONES DE SISTEMAS DE COMUNICACIONES, EL MODELADO Y LA COMPENSACION DE LAS NO LINEALIDADES INTRODUCIDAS POR LOS AMPLIFICADORES DE POTENCIA REQUIEREN ENFOQUES DE APRENDIZAJE DISTRIBUIDO CON UN EQUILIBRIO OPTIMIZADO DE LA COMPLEJIDAD COMPUTACIONAL EN EL BORDE DE LA RED. LA PROPUESTA ESTA AVALADA POR NUESTRA TRAYECTORIA DE INVESTIGACION EN COLABORACION CON RECONOCIDOS PROFESORES DEL EQUIPO DE TRABAJO QUE PERTENECEN A INSTITUCIONES DE INTERNACIONALES DE PRESTIGIO (SKOLTECH-MIT, UNICE, UDELAWARE, KOCU), CON EL JEFE DE INNOVACION DE LA EMPRESA DE TELECOMUNICACIONES INALAMBRICAS GALGUS, Y OTRAS COLABORACIONES QUE DESEAMOS INICIAR CON RIKEN-AIP Y EL INGENIERO SENIOR DE LA EMPRESA ANALOG DEVICES. ROCESADO ESTADISTICO DE SEÑAL Y COMUNIC\MODELADO DE COMPORTAMIENTO NO LINEAL.\TEORIA DE LA INFORMACION\TECNICAS SUPERVISADAS Y NO SUPERVISADAS \PREDISTORSION DIGITAL\INTERFACES CEREBRO-MAQUINA

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores