Hola,
¿eres nuevo aquí?

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

TED2021-130216A-I00

Financiado

METODOS DE APRENDIZAJE BAYESIANO PARA UNA TRANSICION ECOLOGICA URBANA

LA RELACION EXISTENTE ENTRE LA TRANSICION ECOLOGICA Y LA PLANIFICACION URBANA ES PATENTE: EN UN MUNDO CADA VEZ MAS URBANO, LA FORMA EN LA QUE SE PLANIFICAN Y GESTIONAN LAS CIUDADES ES CRUCIAL PARA CONSEGUIR UN DESARROLLO SOSTENIBL... ver más

01/01/2021

UCA

89K€

Presupuesto del proyecto: 89K€

Líder del proyecto

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

Total investigadores 1444

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01

0% 100%

Participantes

UCA

Lider

Proyectos interesantes

LEARN-UCJ Social Learning for Urban Climate Justice in Latin America 181K€ Cerrado

PCI2022-132968 MUNICIPALIST NEIGHBORHOOD EXPERIMENTS: BUILDING CAPACITY FRO... 174K€ Cerrado

RESTART Urban climate justice and community participation: towards i... 289K€ Cerrado

TED2021-131886B-I00 CIUDADES A LA VANGUARDIA DEL CAMBIO CLIMATICO: POLITICAS BAS... 116K€ Cerrado

ECO2017-88461-P VALORACION DE POLITICAS PUBLICAS A TRAVES DE MODELOS DE DECI... 16K€ Cerrado

DECIPHER Decision-making framework and processes for holistic evaluat... 3M€ 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 DE CÁDIZ

Total investigadores 1444

Presupuesto del proyecto 89K€

Descripción del proyecto LA RELACION EXISTENTE ENTRE LA TRANSICION ECOLOGICA Y LA PLANIFICACION URBANA ES PATENTE: EN UN MUNDO CADA VEZ MAS URBANO, LA FORMA EN LA QUE SE PLANIFICAN Y GESTIONAN LAS CIUDADES ES CRUCIAL PARA CONSEGUIR UN DESARROLLO SOSTENIBLE Y FRENAR EL CAMBIO CLIMATICO. LOS EXPERTOS EN TRANSICION ECOLOGICA HAN ESTABLECIDO RECIENTEMENTE DOS PRIORIDADES PARA LA CIUDAD POST-PANDEMIA: LOS SISTEMAS URBANOS DEBEN RECONFIGURARSE PARA MEJORAR SU RESILIENCIA, Y DEBEN ABORDAR LA DESIGUALDAD EN LAS CIUDADES. LA PROBLEMATICA EXPUESTA ANTERIORMENTE ESTA RELACIONADA CON LA TOMA DE DECISIONES (¿QUE DISEÑO DE CIUDADES FAVORECE EN MAYOR GRADO LOS OBJETIVOS PARA UNA TRANSICION ECOLOGICA?). ESTE PROYECTO PRETENDE CONTRIBUIR METODOLOGICAMENTE EN EL CAMPO DE LA ESTADISTICA MEDIANTE EL DESARROLLO DE NUEVOS MODELOS Y METODOS DE APRENDIZAJE BAYESIANO PARA UNA TOMA DE DECISIONES QUE: (1) PRODUZCA SOLUCIONES EQUITATIVAS Y TRANSPARENTES Y, (2) FAVOREZCA UN URBANISMO SOSTENIBLE. EN CONCRETO, LOS OBJETIVOS SON: OB.1: MODELOS PREDICTIVOS PARA UNA PLANIFICACION URBANA EQUITATIVA Y TRANSPARENTE. OB.2: PREDICCION DEL GRADO DE RESILIENCIA DE UN PROYECTO URBANO.CON RELACION A OB1, SON MUCHOS LOS ESTUDIOS EN LA LITERATURA DE PLANIFICACION URBANA QUE DESTACAN LA FALTA DE EQUIDAD SOCIAL EN LAS CIUDADES (SIENDO LOS COLECTIVOS MAS VULNERABLES LOS MAS AFECTADOS), ADEMAS DE UNA FALTA DE TRANSPARENCIA EN LA TOMA DE DECISIONES. SI ESTA SE HACE A TRAVES DE UN MODELO DATA-DRIVEN, ENTONCES ES DE ESPERAR QUE LOS SESGOS DE LOS DATOS EN RELACION A GRUPOS VULNERABLES, SE REPRODUZCAN EN LAS PREDICCIONES. ESTA PROBLEMATICA, DENOMINADA FAIRNESS EN MACHINE LEARNING ES MUY RECIENTE Y DE CANDENTE ACTUALIDAD EN LA COMUNIDAD CIENTIFICA. LAS BASES DE DATOS DISPONIBLES RELACIONADAS EL FAIRNESS EN URBANISMO SE CARACTERIZAN POR UN ALTO NUMERO DE VARIABLES PREDICTORAS Y VARIABLES RESPUESTA EN MUCHAS OCASIONES DE TIPO ORDINAL Y CATEGORICO. SE EXAMINARA UNA BATERIA DE MODELOS DE APRENDIZAJE SUPERVISADO ADAPTADOS A LOS DATOS EN CUESTION, EN LOS CUALES SE PRETENDE CONTROLAR TANTO EL GRADO DE EQUIDAD EN LAS SOLUCIONES COMO EL GRADO DE INTERPRETABILIDAD. EL PARADIGMA DE ESTIMACION SERA EL BAYESIANO, POCO ABORDADO EN LA LITERATURA DE FAIRNESS. BAJO ESTE PARADIGMA, SE PRETENDE INDUCIR LA EQUIDAD DE LAS SOLUCIONES A TRAVES DE LAS DISTRIBUCIONES A PRIORI, DE UNA MANERA ANALOGA A LA QUE SE HA HECHO EN LA LITERATURA PARA OBTENER SPARSITY. OB2 ABORDA UN PROBLEMA DE ANTICIPACION EN URBANISMO Y DE CRUCIAL INTERES PARA LOS PLANIFICADORES: DADAS LAS CARACTERISTICAS DE UN PROYECTO URBANO (A REALIZAR), ¿COMO SE PUEDE PREDECIR SU GRADO DE RESILIENCIA FRENTE A IMPREVISTOS? A PARTIR DEL COMPLETADO DE UNA BASE DE DATOS PROPORCIONADA POR LOS MIEMBROS DEL EQUIPO DE TRABAJO, SE PRETENDE HACER ESTIMACION Y REGULARIZACION (DE MANERA BAYESIANA) EN UN MODELO DE TIPO JERARQUICO CON RESPUESTA ORDINAL, EN UN CONTEXTO DE HIGH DIMENSIONAL SMALL DATA. SERAN INDISPENSABLES TECNICAS AVANZADAS DE COMPUTACION BAYESIANA SOBRE MODELOS JERARQUICOS DONDE LAS DISTRIBUCIONES A PRIORI POSIBLEMENTE SERAN ELICITADAS A TRAVES DE LAS OPINIONES DE UN PANEL DE EXPERTOS.EL EQUIPO DE INVESTIGADORES MULTIDISCIPLINAR QUE SE PROPONE EN ESTE PROYECTO USARA SU EXPERTISE EN ESTADISTICA Y URBANISMO PARA DESARROLLAR SOLUCIONES A LOS PROBLEMAS PLANTEADOS. ESTAS SOLUCIONES SERAN INSTRUMENTOS DE AYUDA A LA DECISION A LAS ADMINISTRACIONES PUBLICAS Y ORGANISMOS GUBERNAMENTALES, FAVORECIENDO UNA TRANSICION ECOLOGICA URBANA MAS EQUITATIVA Y RESILIENTE. PRENDIZAJE ESTADISTICO\TRANSICION ECOLOGICA URBANA\STAN\RESILIENCIA\MODELOS JERARQUICOS\FAIRNESS\EQUIDAD SOCIAL\COMPUTACION BAYESIANA

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores