Hola,
¿eres nuevo aquí?

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

TIN2011-24302

Financiado

TECNICAS DE INTELIGENCIA COMPUTACIONAL PARA MODELADO Y TOMA DE DECISIONES A PART...

TECNICAS DE INTELIGENCIA COMPUTACIONAL PARA MODELADO Y TOMA DE DECISIONES A PARTIR DE DATOS DE BAJA CALIDAD: ASPECTOS TEORICOS, METODOLOGICOS Y PRACTICOS EL TRATAMIENTO DIFERENCIADO DE LAS INCERTIDUMBRES DE NATURALEZA ESTOCASTICA (VARIABILIDAD ALEATORIA RELACIONADA CON LOS PROCESOS NATURALES) Y EPISTEMICA (ORIGINADA EN LA NATURALEZA INCOMPLETA E IMPRECISA DE LOS DATOS) ES UN ASPECT... ver más

01/01/2011

UNIOVI

60K€

Presupuesto del proyecto: 60K€

Líder del proyecto

Universidad de Oviedo No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 788

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2011-01-01

0% 100%

Participantes

UNIOVI

Lider

Proyectos interesantes

UN-BIASED UNcertainty quantification and modelling Bias Inhibition by... 173K€ Cerrado

TIN2016-78365-R UNA APROXIMACION DESDE LA INTELIGENCIA COMPUTACIONAL AL TRAT... 227K€ Cerrado

PGC2018-098623-B-I00 COMPARACION DE MODELOS DE INCERTIDUMBRE PARA EL DISEÑO Y MEJ... 85K€ Cerrado

JCI-2008-2024 T-Norm Based Fuzzy Logics and Their Application to Reasoning... 101K€ Cerrado

PID2020-116694GB-I00 OPTIMIZACION BAJO INCERTIDUMBRE Y CONTROL ESTOCASTICO: APLIC... 67K€ Cerrado

ECO2009-12853 MODELOS DINAMICOS DIFUSOS EN LA PROSPECTIVA TECNOLOGICA 25K€ 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 Oviedo

Total investigadores 788

Presupuesto del proyecto 60K€

Descripción del proyecto EL TRATAMIENTO DIFERENCIADO DE LAS INCERTIDUMBRES DE NATURALEZA ESTOCASTICA (VARIABILIDAD ALEATORIA RELACIONADA CON LOS PROCESOS NATURALES) Y EPISTEMICA (ORIGINADA EN LA NATURALEZA INCOMPLETA E IMPRECISA DE LOS DATOS) ES UN ASPECTO IMPORTANTE EN NUMEROSOS PROBLEMAS DE MODELADO Y TOMA DE DECISIONES A PARTIR DE DATOS DE BAJA CALIDAD. DE ACUERDO CON NUESTROS ESTUDIOS PRELIMINARES, EXISTEN PROBLEMAS DE INTERES INDUSTRIAL, COMO LA DEFINICION DE UN SISTEMA DE METROLOGIA LEGAL BASADO EN GPS (GLOBAL POSITIONING SYSTEM), O EL ANALISIS DE TUPLAS MINIMO, PROMEDIO Y MAXIMO EN SISTEMAS SCADA (SUPERVISORY CONTROL AND DATA ANALYSIS), DONDE PUEDEN MEJORARSE SIGNIFICATIVAMENTE LOS RESULTADOS DE LAS SOLUCIONES CONVENCIONALES MEDIANTE MODELOS QUE EMPLEAN REPRESENTACIONES DE LA INFORMACION CONSISTENTES EN CONJUNTOS ANIDADOS DE VALORES POSIBLES.EL DESARROLLO DE TECNICAS DE INTELIGENCIA COMPUTACIONAL O SOFT COMPUTING CAPACES DE EXTRAER CONOCIMIENTO A PARTIR DE INFORMACION DE BAJA CALIDAD SE BASA EN RESULTADOS TEORICOS ACERCA DE LA REPRESENTACION DE ESTE TIPO DE DATOS (COMO LA TEORIA DE LA POSIBILIDAD, LOS CONJUNTOS BORROSOS, LAS PROBABILIDADES IMPRECISAS, ETC) Y EN ASPECTOS METODOLOGICOS, RELACIONADOS CON EL DISEÑO Y LA VALIDACION DE SISTEMAS SOBRE INFORMACION INCOMPLETA O IMPRECISA, INCLUYENDO EL DESARROLLO DE NUEVOS ALGORITMOS DE APRENDIZAJE DE CLASIFICADORES Y MODELOS DE REGRESION CON ATRIBUTOS O ETIQUETAS INCIERTAS. EN ESTE TIPO DE PROBLEMAS LA CALIDAD DE UN MODELO NO PUEDE CUANTIFICARSE NUMERICAMENTE, Y LOS ALGORITMOS DE APRENDIZAJE DEBEN BASARSE EN MECANISMOS DE OPTIMIZACION O EN METAHEURISTICAS NO CONVENCIONALES, CAPACES DE RECORRER ESTRUCTURAS MAS DEBILES QUE UN ORDEN TOTAL. DE UNA FORMA GENERAL, TODOS LOS ESTADIOS DE LA CONSTRUCCION DE UN SISTEMA BASADO EN CONOCIMIENTO ESTAN INFLUENCIADOS CUANDO SE USAN DATOS DE BAJA CALIDAD, DESDE EL DISEÑO EXPERIMENTAL, DONDE TECNICAS COMO LA VALIDACION CRUZADA O EL REMUESTREO DEBEN ADAPTARSE A ESTOS DATOS, HASTA LA VALIDACION DEL MODELO, DONDE SE NECESITAN NUEVOS TESTS ESTADISTICOS PARA CONTRASTAR LOS RESULTADOS.LOS OBJETIVOS DE ESTE PROYECTO COMPRENDEN POR TANTO EL ESTUDIO DE DIVERSOS ASPECTOS TEORICOS, METODOLOGICOS Y PRACTICOS DE LAS TECNICAS DE INTELIGENCIA COMPUTACIONAL CAPACES DE OPERAR SOBRE DATOS IMPRECISOS, INCOMPLETOS O INCIERTOS. LAS AREAS CIENTIFICAS DE INTERES SON:1. FUNDAMENTOS Y PROPIEDADES DE LAS REPRESENTACIONES DE INFORMACION IMPRECISA, INCIERTA O VAGA, 2. COMBINACION DE FUENTES DE INFORMACION IMPRECISA EN SISTEMAS BASADOS EN CONOCIMIENTO, 3. APRENDIZAJE DE CLASIFICADORES INTERPRETABLES, MODELOS DE REGRESION Y DINAMICOS CON ATRIBUTOS Y ETIQUETAS IMPRECISAS, 4. OPTIMIZACION DE FUNCIONES IMPRECISAS. OPERADORES DE DOMINANCIA Y PREFERENCIA, 5. DISEÑOS EXPERIMENTALES Y TESTS ESTADISTICOS PARA VALIDACION DE ALGORITMOS SOBRE DATOS IMPRECISOS,Y SE ABORDARAN ASIMISMO LOS SIGUIENTES OBJETIVOS TECNICOS:1. DOCUMENTAR LOS ENSAYOS DE LAS NUEVAS TECNICAS EN VARIOS CAMPOS DE APLICACION INDUSTRIAL Y MEDICA,2. PONER A DISPOSICION DE LA COMUNIDAD CIENTIFICA LA IMPLEMENTACION DE LOS ALGORITMOS MAS RELEVANTES Y LOS DATOS DEPRUEBA NECESARIOS. OFT COMPUTING\INTELIGENCIA COMPUTACIONAL\ALGORITMOS GENETICOS\LOGICA BORROSA\SISTEMAS DIFUSOS\SISTEMAS BORROSOS

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores