Líneas de Investigación

Actualmente el grupo consta de las siguientes lineas estables de investigación:

Algoritmos de aprendizaje supervisado con capacidades explicativas

Algoritmos de aprendizaje supervisado con capacidades explicativas

En esta línea el grupo diseña y trabaja con algoritmos de aprendizaje que pueden afrontar problemas que requieren de una explicación de la clasificación realizada, además de una eficiente clasificación. También se investiga en contextos en los que la cantidad de casos de alguna de las clases está muy desbalanceada con respecto al resto, lo que es un inconveniente para la mayoría de los paradigmas de aprendizaje automático.

Modelado del comportamiento basado en aprendizaje automatico

Modelado del comportamiento basado en aprendizaje automático

Los comienzos de esta línea se remontan al modelado del comportamiento de usuarios y programas malware en el contexto de la seguridad informática. En los últimos años, el grupo está aplicando su experiencia en el modelado automático del comportamiento al ámbito de la interacción web (Web Mining, Adaptive Web, People with restrictions, Sheltered social network) en diversos ámbitos: turismo, usuarios con discapacidades cognitivas y/o físicas, entre otros. También se están aplicando técnicas de modelado basado en aprendizaje automático en el ámbito del eGovernment y eServices.

Computación paralela

En esta línea el grupo trabaja en sistemas paralelos de diversa índole (clusters de computación distribuida, multiprocesadores de memoria compartida, tarjetas gráficas o GPU, etc.). El grupo aplica la computación de altas prestaciones, principalmente, en el contexto de la simulación de fenómenos físicos (interacción electrónica a nivel molecular, monte carlo cinético, etc.)

Computacion fisiologica

Computación fisiológica

Esta línea de investigación tiene como objetivo el tratamiento automático de señales fisiológicas (ECG, EEG, sudoración, etc.) utilizando técnicas de aprendizaje automático para el desarrollo de modelos de ayuda a personas con necesidades especiales (ayuda a la movilidad, integración en el entorno, ayuda a la interacción con dispositivos, etc.), la detección de situaciones emocionales anormales (estrés, relax), etc.

Antecedentes

Los antecedentes del grupo se remontan a los años 90 con una actividad investigadora en torno al reconocimiento de patrones y la optimización. Diversos paradigmas de clasificación supervisada y no supervisada –redes neuronales artificiales, clasificadores basados en vecindad (kNN), clasificadores múltiples, técnicas de agrupamiento o clustering– fueron aplicados en diversos ámbitos: detección de fallos en redes eléctricas, reconocimiento automático de caracteres, optimización de distribución de mercancías, predicción de fraude, fidelización de clientes, seguridad informática, entre otros.