GA11 GA11 Aprendizaje y Redes Neuronales Artificiales (AYRNA)
Nuestro grupo de investigación, Aprendizaje y Redes Neurales Artificiales (AYRNA) (TIC-148, Junta de Andalucía), fue fundado en 1994 por un pequeño grupo de investigadores interesados en el campo de las Redes Neurales Artificiales. Durante los últimos años, el grupo ha diversificado sus áreas de interés buscando soluciones a diferentes problemas mediante técnicas de aprendizaje automático y soft computing (redes neuronales artificiales, métodos kernel, algoritmos evolutivos, entre otros). En la actualidad, nuestro grupo está formado por 11 investigadores doctorales y 3 predoctorales, y está dirigido por el profesor César Hervás Martínez como investigador principal del grupo. Nuestro grupo ha publicado 328 trabajos, incluyendo 148 artículos en revistas internacionales, y ha participado en 11 proyectos de investigación, incluyendo un proyecto con la Agencia Espacial Europea. Por último, en AYRNA se han dirigido 28 tesis doctorales. Se puede encontrar información adicional en la página web de AYRNA. En lo que respecta a la biomedicina, nos proponemos abordar problemas como el emparejamiento donante-receptor en los trasplantes de hígado, el análisis de imágenes médicas para la detección de melanomas y la detección de la enfermedad de Parkinson, incluyendo diferentes grados de gravedad, y la asignación de tratamientos para pacientes con VIH/VHC. Los objetivos a largo plazo del grupo son aportar a la comunidad científica todos los avances que consigamos en el campo del aprendizaje automático. En la medida de lo posible, queremos aplicar nuestras técnicas y algoritmos a problemas reales de la sociedad, como ya estamos haciendo con la dermatología, los trasplantes de hígado, la enfermedad de Parkinson, el cambio climático y las energías renovables, entre otros. Entre nuestros logros, destacamos la importancia de la investigación llevada a cabo por nuestro grupo en el campo del trasplante de hígado, que ha sido premiada en numerosas ocasiones por diferentes entidades tanto a nivel nacional como internacional. Colaboramos con diferentes empresas que pueden estar interesadas en la aplicación de nuestras soluciones computacionales. Entre ellas se encuentran General Electric, Iberdrola, Astellas Pharma, entre otras.
Líneas de investigación
Clasificación ordinal: desarrollo de la clasificación ordinal mediante cálculo evolutivo
Aplicaciones en emparejamiento donante-receptor en trasplantes
Nuevo sistema de apoyo a la decisión que lleva a tomar la decisión correcta sobre la elección del receptor basándose en criterios eficientes e imparciales (principios de justicia, eficiencia y equidad). Un sistema basado en reglas que ayuda a los expertos médicos a tomar decisiones sobre la asignación de trasplantes de hígado.
Redes neuronales evolutivas
Aprendizaje profundo
Algoritmos evolutivos multi-objetivo
Aprendizaje automático
Nuevas funciones de base para redes neuronales
Series temporales
Aplicaciones en diagnóstico mediante imagen médica
Aplicaciones en energías renovables
Redes
- DAMA network (
- TIN2015-70308-REDT)
- MAPAS network (
- TIN2017-90567-REDT)
- PAIDI TIC-148 - Aprendizaje y Redes Neuronales Artificiales (AYRNA)
Palabras clave
- clasificación ordinal
- redes neuronales artificiales
- procesamiento de imagenes biomédicas
- segmentación de series temporales
- modelos de regresión
- regresión ordinal
- computación evolutiva