Aprendizaxe Automática Avanzada e Optimización Intelixente para Sistemas Complexos (A³O-Intelligence)

A liña de investigación en Aprendizaxe Automática Avanzada e Optimización Intelixente para Sistemas Complexos (A³O-Intelligence) céntrase no desenvolvemento, análise e aplicación de técnicas de aprendizaxe automática e métodos de optimización baseados en intelixencia artificial para dar resposta a desafíos reais en múltiples dominios.
Esta liña integra tanto investigación fundamental —incluíndo a proposta de novos algoritmos e enfoques metodolóxicos, como DoME (Development of Mathematical Expressions), variantes evolutivas e métodos de aprendizaxe híbrida— como investigación aplicada orientada a resolver problemas complexos en contextos de alto impacto social e tecnolóxico. Entre as áreas de aplicación atópanse:
  • Medicina e saúde dixital: análise de sinais e imaxes biomédicas mediante aprendizaxe profunda e técnicas híbridas para diagnóstico asistido por computador e modelos preditivos.
  • Enxeñaría civil e infraestrutura intelixente: modelización e optimización de sistemas complexos mediante técnicas de ML e métodos evolutivos.
  • Enxames de vehículos aéreos non tripulados (UAVs/drones): planificación de traxectorias, coordinación e control mediante aprendizaxe por reforzo e algoritmos adaptativos.
  • Aprendizaxe Federada e sistemas distribuídos: deseño de esquemas eficientes para aprendizaxe colaborativa en contornas heteroxéneas.
  • Sistemas de predición e alerta para fenómenos ambientais (como floracións algais nocivas —HABs): modelos preditivos baseados en aprendizaxe automática para prevención e xestión.
  • Loxística intelixente e optimización de procesos: aplicación de técnicas de ML para a toma de decisións automatizada e planificación de recursos.
A liña A³O-Intelligence explora sinerxías entre procesamento avanzado de datos, computación evolutiva, aprendizaxe profunda e algoritmos de optimización, cun enfoque integral que abrangue desde a formulación teórica ata a implementación e avaliación en problemas reais. A variedade de contextos de aplicación reflicte o compromiso coa transferencia do coñecemento científico a solucións efectivas en sectores con alto potencial de impacto.
Os membros serían:
  • Daniel Rivero Cebrián (Investigador principal)
  • Enrique Fernández Blanco (Investigador principal)
  • Alejandro Puente Castro (Investigador)
  • Andrés Molares Ulloa (Investigador)
  • Iván Ramírez Morales (Investigador externo)
  • Jonathan Aguilar (Doutorando)
  • Kary García (Doutoranda)
  • Pedro Guijas Bravo (Doutorando)
En canto ás entidades colaboradoras temos as seguintes:
  • CSIC
  • INTECMAR
  • Universidade Técnica de Machala
  • Blekinge Institute of Technology
UNIVERSIDAD TECNICA DE MACHALA Logo PNG Vector (AI) Free DownloadCSIC Consejo Superior de Investigaciones Científicas - PARTHENOS Project
INTECMAR | Nor-WaterBlekinge Institute of Technology: Rankings, Courses & Fees