Aprendizaje Automático

 →  APRENDIZAJE AUTOMÁTICO

Aprendizaje Automático

Código: 260
Acronimo: GAA (MLG)
Tipo: Grupo consolidado
Email:
Categorías: PE6 Computer Science and Informatics
INF Ciencias de la computación y tecnología informática
Coordinador:
Miembros:
Enlaces:

Lineas de investigación:

-Aprendizaje Automático -Minería de Datos -Computación Neuronal Artificial -Reconocimiento de Patrones -Optimización -Aprendizaje de Subvariedades -Estadística computacional



Proyectos más relevantes:

-Fronteras en Aprendizaje Automático y Aplicaciones Multidisciplinares (FROMM, TIN2016-76406-P). Ministerio de Economía y Competitividad. Desde 1/2017 hasta el 12/2019. Investigador principal: Alberto Suárez González y Gonzalo Martínez Muñoz. Importe concedido: 122.000 euros -Conceptos y Aplicaciones de los Sistemas Inteligentes (CASI-CAM-CM, S2013/ICE-2845). Comunidad de Madrid. Desde 10/2014 hasta el 09/2018. Investigador Principal: Anibal Figueiras Vidal y José Ramón Dorronsoro Ibero. Importe concedido: 77.107,5 euros. -Diversificación Avanzada de Máquinas de Aprendizaje (DAMA, TIN2015-70308-REDT). Ministerio de Economía y Competitividad. Desde el 01/2016 hasta el 12/2017. Investigador Principal: Anibal Figueiras Vidal y Alberto Suárez González. Importe concedido: 35.000 euros. -Algoritmos Avanzados para Análisis de Datos (ADA2, TIN2013- 42351-P). Ministerio de Ciencia e Innovación. Desde el 01/2014 hasta el 01/2017. Investigador Principal: José Ramón Dorronsoro Ibero y Alberto Suárez González. Importe concedido: 56.000 euros. -Fast Convex Iteration Learning: Theory and Applications (FACIL, Ayudas Fundación BBVA a Equipos de Investigación Científica 2016). Fundación BBVA. Desde el 01/10/2016 hasta el 30/09/2018. Investigador Principal: José Ramón Dorronsoro Ibero. Importe concedido: 90.000?.



Publicaciones más relevantes:

– An analysis of ensemble pruning techniques based on ordered aggregation. G. Martinez-Muñoz, D. Hernández-Lobato, A. Suarez. IEEE Transactions on Pattern Analysis and Machine Intelligence Volume 31, Issue 2, 2009, Pages 245-259. Citas: 126 (WoS), 152 (Scopus), 211 (Google Scholar). Q1. – Non-linear causal inference using Gaussianity measures. D. Hernández-Lobato, P. Morales-Mombiela, D. Lopez-Paz, A. Suárez. Journal of Machine Learning Research, 17, pages 1-39, 2016. Q1. – Magnetic Eigenmaps for the visualization of directed networks. M. Fanuel, C.M. Alaíz, Á. Fernández, J.A.K. Suykens, Applied and Computational Harmonic Analysis, 44:1, pages 189-199, 2017. Q1. – Hybrid Machine Learning Forecasting of Solar Radiation Values. Y. Gala, Á. Fernández, J. Díaz, J.R. Dorronsoro. Neurocomputing, 176:48–59, 2016. Q1. – ν-SVM Solutions of Constrained Lasso and Elastic Net. A. Torres-Barrán, C.M. Alaíz, J.R. Dorronsoro. Neurocomputing, 275: 1921-1931, 2018. Q1.

© 2021 Fundación de la Universidad Autónoma de Madrid