Hamlet

Algoritmos híbridos combinando aprendizaje automático y metaheurísticas para problemas de clasificación ordinal y predicción

El proyecto Hamlet plantea el desarrollo de nuevos algoritmos híbridos (basados en metaheurísticas y aprendizaje automático) para diseñar modelos de clasificación nominal y clasificación ordinal, de regresión y de segmentación/predicción de series temporales. A nivel metodológico, el equipo de la Universidad de Córdoba se centra en la parte de aprendizaje automático, abordando problemas singulares de clasificación ordinal (en el contexto de clasificación no balanceada y clasificación débilmente supervisada), así como nuevos modelos de aprendizaje profundo para clasificación ordinal. El equipo de la Universidad Alcalá de Henares se ocupa del desarrollo de algoritmos de inspiración natural avanzados (en concreto, algoritmos de co-evolución, búsqueda con portfolio de algoritmos, estimación automática de parámetros, así como algoritmos de inspiración fractal)

Objetivos

Nuestra investigación dentro del Proyecto HAMLET tiene como metas los siguientes obejtivo

Optimización híbrida

Obtener técnicas de optimización híbridas para la evaluación de recursos energéticos renovables, climatología y meteorología y problemas de biomedicina

Evaluación

Evaluación del impacto del cambio climático en la distribución espacio-temporal de recursos de energías renovables

Predicción

Predicción de eventos extremos en meteorología (olas de calor, olas de frío, rampas de viento, eventos de baja visibilidad, etc.) y climatología (distribución espacio temporal de sequías y sus precursores, etc.)

Procesos de asignación

Optimización de procesos de asignación donante-receptor en trasplante hepático, el análisis de imágenes médicas para la detección de melanoma y de párkinson y de sus diferentes grados de severidad y asignación de tratamiento a grupos de pacientes coinfectados por el VIH/VHC, siguiendo, en este último caso, el plan estratégico nacional español