Hola,
¿eres nuevo aquí?

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

MTM2017-88979-P

Financiado

NUEVOS MODELOS DE PREDICCION Y OPTIMIZACION BAJO INCERTIDUMBRE EN EL ENTORNO DEL...

NUEVOS MODELOS DE PREDICCION Y OPTIMIZACION BAJO INCERTIDUMBRE EN EL ENTORNO DEL DATA SCIENCE EN ESTE PROYECTO, EL EQUIPO INVESTIGADOR ABORDA UNA NUEVA LINEA DE INVESTIGACION: EL DESARROLLO DE NUEVAS TECNICAS DE PREDICCION Y MODELOS DE OPTIMIZACION BAJO INCERTIDUMBRE PARA ASISTIR EN LA TOMA DE DECISIONES EN ENTORNOS CON GR... ver más

01/01/2017

UC3M

23K€

Presupuesto del proyecto: 23K€

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 2017-01-01

0% 100%

Participantes

UC3M

Lider

Proyectos interesantes

FJC2021-047209-I Optimización e interpretabilidad en modelos de machine learn... 65K€ Cerrado

PRE2019-090839 PREDICCION, INFERENCIA Y COMPUTACION EN MODELOS ESTRUCTURADO... 98K€ Cerrado

DataABM Data-Driven Agent-Based Models of Investors with Machine Lea... 216K€ Cerrado

PRE2021-100169 CIENCIA DE DATOS FIABLE Y RESPONSABLE: APLICACIONES, DATOS C... 101K€ Cerrado

PRE2018-084007 Data Science 93K€ Cerrado

TIN2013-46522-P APRENDIZAJE AUTOMATICO PARA EL ANALISIS Y EXPLOTACION DE DAT... 23K€ 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 23K€

Descripción del proyecto EN ESTE PROYECTO, EL EQUIPO INVESTIGADOR ABORDA UNA NUEVA LINEA DE INVESTIGACION: EL DESARROLLO DE NUEVAS TECNICAS DE PREDICCION Y MODELOS DE OPTIMIZACION BAJO INCERTIDUMBRE PARA ASISTIR EN LA TOMA DE DECISIONES EN ENTORNOS CON GRANDES VOLUMENES DE DATOS, EN PLENA CUARTA REVOLUCION INDUSTRIAL, E INMERSOS EN EL PARADIGMA DEL DATA SCIENCE, EL USO DE ESTAS HERRAMIENTAS PREDICTIVAS Y DE OPTIMIZACION, PERMITIRA GENERAR MAS CONOCIMIENTO Y VALOR EN EL ANALISIS MASIVO DE DATOS, POR EJEMPLO EXTRAYENDO LA INFORMACION SIGNIFICATIVA Y TOMANDO DECISIONES OPTIMAS MIENTRAS SE AISLA EL RUIDO PRESENTE EN LOS DATOS,EN CONCRETO, EN ESTE PROYECTO SE PLANTEAN POR UN LADO, LA OBTENCION DE HERRAMIENTAS PREDICTIVAS QUE COMBINEN LAS VENTAJAS DE LAS TECNICAS CLASICAS BASADAS EN SERIES TEMPORALES, CON LA VERSATILIDAD DE NUEVOS MODELOS BASADOS EN EL MACHINE LEARNING, LA PRINCIPAL CARACTERISTICA DE LOS MODELOS DE PREDICCION EN BIG DATA, FRENTE A MODELOS MAS TRADICIONALES, ES EL TAMAÑO DE LAS BASES DE DATOS A TRATAR, SU ALTA DIMENSION, Y LA ELEVADA CONTAMINACION DE LOS MISMOS, ESTOS PROBLEMAS CONTIENEN EN LA ACTUALIDAD MILES O MILLONES DE SERIES TEMPORALES MULTIDIMENSIONALES, Y EN MUCHOS CASOS SON MODELOS QUE HAN DE SER ESTIMADOS (CASI) EN TIEMPO REAL, LO QUE SUPONE UN CAMBIO DE PARADIGMA Y UN RETO IMPORTANTE EN LA FORMA DE DISEÑAR ESTAS HERRAMIENTAS, POR OTRO LADO, SE PLANTEA LA PROPUESTA DE NUEVOS MODELOS DE OPTIMIZACION PARA LA TOMA DE DECISIONES BAJO INCERTIDUMBRE, QUE USEN COMO INPUT LAS PREDICCIONES DE LOS MODELOS ANTERIORES Y SEAN EFICIENTES EN SU RESOLUCION, ESTOS MODELOS COMBINARAN MODELOS BASADOS EN OPTIMIZACION ESTOCASTICA Y ROBUSTA PARA OBTENER UNA BUENA CARACTERIZACION PROBABILISTICA DE LA INCERTIDUMBRE, YA SEA MEDIANTE GENERACION DE ESCENARIOS (OPTIMIZACION ESTOCASTICA), O MEDIANTE LA DEFINICION DE CONJUNTOS DE INCERTIDUMBRE (OPTIMIZACION ROBUSTA),EN ESTE PROYECTO SE PROPONEN TRES GRANDES OBJETIVOS PARA PROGRESAR EN ESTE NUEVO RETO: EL PRIMER OBJETIVO CONSISTE EN LA MEJORA DE ALGUNOS DE LOS MODELOS DE PREDICCION EXISTENTES Y DESARROLLO DE OTROS NUEVOS PARA COMBINAR TECNICAS TRADICIONALES DE SERIES TEMPORALES CON MACHINE LEARNING, DE ESTA FORMA, ADEMAS DE REDUCIR TANTO LA VARIANZA COMO EL SESGO DE LOS MODELOS, SE PODRIA ACELERAR COMPUTACIONALMENTE SU ENTRENAMIENTO, EL SEGUNDO OBJETIVO CONSISTE EN LA MEJORA DE LA ROBUSTEZ DE ESTOS MODELOS PARA MITIGAR EL EFECTO DAÑINO DE LOS DATOS ATIPICOS, POR ULTIMO, EL TERCER OBJETIVO CONSISTE EN LA PROPUESTA DE NUEVOS MODELOS DE OPTIMIZACION PARA LA TOMA DE DECISIONES BAJO INCERTIDUMBRE, QUE USEN COMO INPUT LAS PREDICCIONES DE LOS MODELOS ANTERIORES Y SEAN EFICIENTES EN SU RESOLUCION,LAS HERRAMIENTAS PREDICTIVAS Y DE OPTIMIZACION DESARROLLADAS SE VALIDARAN EN LA APLICACION PRACTICA: PLANIFICACION Y OPERACION DE SMART GRIDS (PREDICCION DE CONSUMOS ELECTRICOS, BALANCE EN TIEMPO REAL DE PRODUCCION Y DEMANDA, IMPACTO DE INTEGRACION DE VEHICULOS ELECTRICOS, ETC,), CUYA IMPORTANCIA E IMPACTO SOBRE LA SOCIEDAD ESTA CRECIENDO EXPONENCIALMENTE DURANTE LOS ULTIMOS AÑOS,SE ESPERA QUE LA CULMINACION DE ESTOS OBJETIVOS CONTRIBUYA A AVANZAR EL ESTADO DEL ARTE DE FORMA SIGNIFICATIVA EN EL AREA DE PREDICCION Y OPTIMIZACION EN PROBLEMAS DE ANALISIS MASIVO DE DATOS, EN CONCRETO, SE PREVE QUE LOS RESULTADOS DE ESTE PROYECTO SEAN PUBLICADOS EN REVISTAS DE RELEVANCIA INTERNACIONAL (UNOS 8 ARTICULOS CIENTIFICOS), ASI COMO LA CONSECUCION DE VARIAS TESIS DOCTORALES EN EL AMBITO DEL PROYECTO (UNAS 3 TESIS DOCTORALES), BIG DATA\MACHINE LEARNING\PREDICCIÓN\OPTIMIZACIÓN ESTOCÁSTICA\OPTIMIZACIÓN ROBUSTA\SERIES TEMPORALES.

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores