GIUV2013-017
IDAL té com a principal objectiu l'estudi i aplicació de mètodes intel·ligents d'anàlisis de dades per al reconeixement de patrons, amb aplicacions en problemes de predicció, classificació o determinació de tendències. Els seus membres apliquen, a grans bases de dades, mètodes estadístics clàssics i tècniques d'aprenentatge automàtic: contrast d'hipòtesi, models lineals, selecció i extracció de característiques més rellevants, xarxes neuronals, algorismes de clustering, arbres de decisió, màquines de vectors suport, models gràfics probabilístics, visualització per manifolds, lògica borrosa, aprenentatge reforçat, etc. La fi última de l'aplicació d'aquests mètodes és la generació de models matemàtics que permeten l'optimització de processos i recursos, així com arribar a la presa de decisions òptimes. Un clar exemple del comentat és l'àrea de salut, on IDAL ha desenvolupat aplicacions d'ajuda a la decisió clínica basades en l'anàlisi de dades. Aquestes aplicacions permeten millorar la qualitat de vida del pacient (establint pautes d'actuació clínica òptimes) al mateix temps que redueixen costos en la despesa sanitària. Complementant aquest coneixement, el grup té una àmplia...IDAL té com a principal objectiu l'estudi i aplicació de mètodes intel·ligents d'anàlisis de dades per al reconeixement de patrons, amb aplicacions en problemes de predicció, classificació o determinació de tendències. Els seus membres apliquen, a grans bases de dades, mètodes estadístics clàssics i tècniques d'aprenentatge automàtic: contrast d'hipòtesi, models lineals, selecció i extracció de característiques més rellevants, xarxes neuronals, algorismes de clustering, arbres de decisió, màquines de vectors suport, models gràfics probabilístics, visualització per manifolds, lògica borrosa, aprenentatge reforçat, etc. La fi última de l'aplicació d'aquests mètodes és la generació de models matemàtics que permeten l'optimització de processos i recursos, així com arribar a la presa de decisions òptimes. Un clar exemple del comentat és l'àrea de salut, on IDAL ha desenvolupat aplicacions d'ajuda a la decisió clínica basades en l'anàlisi de dades. Aquestes aplicacions permeten millorar la qualitat de vida del pacient (establint pautes d'actuació clínica òptimes) al mateix temps que redueixen costos en la despesa sanitària. Complementant aquest coneixement, el grup té una àmplia experiència en el processament de senyals (anàlisi espectral, filtrat digital, processament adaptatiu, etc.) pel seu treball de més de 10 anys en el processament de biosenyals (ECG i EEG principalment). Amb tot aquest background l'IDAL és capaç d'analitzar un ampli ventall de dades i senyals. Aquest fet queda confirmat pel gran nombre de contractes tant privats com públics que ha desenvolupat en diferents àrees del coneixement. A més, la major part dels treballs pràctics realitzats s'han reflectit en importants publicacions científiques amb alts paràmetres d'impacte i en un gran nombre de comunicacions a congressos internacionals dins de l'àrea d'anàlisi de dades. Entre les aplicacions desenvolupades, (fora de l'àrea de salut ja comentades) es troben, entre altres, les següents: recomanadores web, models per a l'administració òptima d'incentius amb la finalitat de fidelitzar clients, recomanadores de calçat basats en mesures, i altres treballs de consultoria d'anàlisi de dades. A més del seu vessant pràctic IDAL, desenvolupa nous algorismes d'anàlisi de dades millorant les prestacions dels existents. Aquest treball de recerca es reflecteix també en una àmplia difusió en forma de diferents publicacions en revistes d'impacte i congressos rellevants per a la comunitat científica de l'anàlisi de dades.
[Llegir més][Ocultar]
[Llegir més][Ocultar]
- Mineria de datos avanzada
- Extraccion de conocimiento de grandes bases de datos
- Aplicacion de sistemas expertos en aplicaciones reales
- Desarrollo de nuevos algoritmos de analisis de datos
- Big data
- Anàlisi intel·ligent de dades.Aplicació de tècniques d'aprenentatge automàtic per a problemes de predicció, classificació i reconeixement de patrons o tendències.
- Optimització de processos.Desenvolupament de models d'aprenentatge reforçat i programació dinàmica per a la reducció de costos, millora de paràmetres importants i augment de l'eficiència.
- Sistemes de recomanació.Desenvolupament de recomanadors de productes a partir de les característiques del client i gestió de promocions personalitzades.
- Captació i processament de senyals.Desenvolupament d'equips i algorismes a mesura per a adquisició i tractament de senyals de tota mena.
- Big Data.Anàlisi de grans bases de dades en les quals es donen tres característiques que les fan especials: velocitat de creixement, varietat en les classes de dades i volum.
- Processament de Llenguatge Natural.Extracció d'informació estructurada i coneixement a partir de l'anàlisi de text lliure amb informació a priori desestructurada.
- Aprenentatge automàtic quàntic.Utilització del formalisme de la mecànica quàntica per a millorar les prestacions d'algorismes d'aprenentatge automàtic. Utilització d'aprenentatge automàtic per a la descripció i extracció de coneixement de fenòmens quàntics.
| Nom | Caràcter de la participació | Entitat | Descripció |
|---|---|---|---|
| JOSE RAFAEL MAGDALENA BENEDICTO | Director-a | Universitat de València | Titular d'Universitat |
| Equip d'investigació | |||
| JOAN VILA FRANCES | Membre | Universitat de València | Titular d'Universitat |
| MARCELINO MARTINEZ SOBER | Membre | Universitat de València | Catedràtica/Catedràtic d'Universitat |
| EMILIO SORIA OLIVAS | Membre | Universitat de València | Catedràtica/Catedràtic d'Universitat |
| ANTONIO JOSE SERRANO LOPEZ | Membre | Universitat de València | Titular d'Universitat |
| JOSE DAVID MARTIN GUERRERO | Membre | Universitat de València | Catedràtica/Catedràtic d'Universitat |
| FERNANDO MATEO JIMENEZ | Membre | Universitat de València | Titular d'Universitat |
| JUAN JOSE CARRASCO FERNANDEZ | Membre | Universitat de València | Personal Investigador |
| JUAN GOMEZ SANCHIS | Membre | Universitat de València | Titular d'Universitat |
| YOLANDA VIVES GILABERT | Membre | Universitat de València | Ajudant Doctor/Doctora |
| OSCAR JOSE PELLICER VALERO | Membre | Universitat de València | Ajudant Doctor/Doctora |
| RICARDO SANZ DIAZ | Membre | Universitat de València | Ajudant Doctor/a |
| JOSE ENRIQUE VILA GISBERT | Col·laborador-a | Universitat de València | Catedràtic/a d'Universitat |
| ANDREA BONETTI | Col·laborador-a | Universitat de València | Personal Investigador |
| ALEJANDRO DIONIS ROS | Col·laborador-a | Universitat de València | Personal Investigador |
| JUAN FRANCISCO RODRÍGUEZ HERNÁNDEZ | Col·laborador-a | University of Sidney (Australia) | investigador-a |
| SONIA PÉREZ DÍAZ | Col·laborador-a | Universidad de Alcalá | catedràtic-a d'universitat |
| EMILIO BERNARDO FERNANDEZ VARGAS | Col·laborador-a | Universitat de València | Personal Investigador |
- Actividades de programación informática.
- Actividades de consultoría informática.
- Otros servicios relacionados con las tecnologías de la información y la informática.
- Educación universitaria.
- Enginyeria Electrònica
- DEEP LEARNING
- BIG DATA
- HADOOP
- MAPREDUCE
- DICCIONARIO
- CORPUS
- INFORMACIÓN CUÁNTICA
- TECNOLOGÍA CUÁNTICA
- Predicción; Clasificación automática; Agrupamientos; Extracción de conocimiento; Reconocimiento de patrones o tendencias; Visualización; Deep Learning
- Sensores; Acondicionadores de señal; Procesado digital de señales; Análisis espectral; Algoritmos adaptativos
- Diccionario; Corpus; N-gramas
- q-bit; información cuántica; tecnología cuántica
- APRENENTATGE REFORÇAT
- PROGRAMACIÓ DINÀMICA
- IDENTIFICACIÓ CAMINE CRÍTIC
- EFICIÈNCIA
- PERSONALITZACIÓ DE PROMOCIONS
- RECOMANACIÓ DE PRODUCTES
- AGRUPAMENT DE CLIENTS
- CLASSIFICACIÓ AUTOMÀTICA
- AGRUPAMENTS
- EXTRACCIÓ DE CONEIXEMENT
- RECONEIXEMENT DE PATRONS O TENDÈNCIES
- VISUALITZACIÓ
- IDENTIFICACIÓ DE DEMANDES
- CONDICIONADORS DE SENYAL
- PROCESSAMENT DIGITAL DE SENYALS
- ANÀLISI ESPECTRAL
- ALGORITMES ADAPTATIUS
