Rafael Morales Bueno (rmorales@uma.es) Grupo de la Universidad de Málaga Presentación y posibles contribuciones para la red EUREKA Rafael Morales Bueno.

Presentación del tema: "Rafael Morales Bueno (rmorales@uma.es) Grupo de la Universidad de Málaga Presentación y posibles contribuciones para la red EUREKA Rafael Morales Bueno."— Transcripción de la presentación:

1 Rafael Morales Bueno (rmorales@uma.es)
Grupo de la Universidad de Málaga Presentación y posibles contribuciones para la red EUREKA Rafael Morales Bueno Web:

2 Componentes Director del grupo Personal Docente e Investigador
Rafael Morales Bueno Personal Docente e Investigador Francisco Cantalejo García Inmaculada Fortes Ruiz Llanos Mora López Marlon Núñez Paz Gonzalo Ramos Jiménez Amparo Ruiz Sepúlveda Francisco Andrés Triguero Ruiz José Luis Triviño Rodríguez José del Campo Ávila Personal Investigador en Formación Manuel Baena García Raúl Fidalgo Merino José María Carmona Cejudo

3 Líneas de investigación Aprendizaje computacional y minería de datos
Descubrimiento de reglas Modelos de Markov generalizados Aprendizaje inductivo Series temporales Descubrimiento de patrones de conducta Aprendizaje incremental

4 Vinculación con otros grupos
Nacionales Universidad Politécnica de Cataluña Universidad de Zaragoza Universidad de Valladolid Universidad de Iowa Extranjeros Laboratory of Artificial Intelligence and Decision Support (LIAAD) Universidad de Oporto (Portugal) Universidad de Aveiro (Portugal) Laboratory for Cognitive Modeling (LKM) Universidad de Liubliana (Eslovenia)

5 Vinculación con empresas
Contratos Hospital de la Costa del Sol Entes promotores observadores y otros Empresa Municipal de Transportes (EMT) Consejería de Turismo de la Junta de Andalucía Hospital Regional Universitario Carlos Haya Departamento de Medicina Legal Consejo General del Poder Judicial Instituto Andaluz de la Mujer

6 Últimos Proyectos de Investigación
FRESCO: FoRmalismos, Estructuras relacionales y COmplejidad CICYT (PB C04-01). Coordinado. MOISES: MOdelado Individualizado de SEcuencias de Símbolos CICYT (TIC C03-02). Coordinado. MOISES-TA: MOdelado Individualizado de SEcuencias de Símbolos-Teoría y Aprendizaje CICYT (TIN C03-01). Coordinado

7 Últimas Tesis Doctorales y Estancias
Nuevos Enfoques en Aprendizaje Incremental (2007) José del Campo Ávila Mención de doctorado europeo Aprendizaje de árboles de decisión y regresión a partir de flujos de datos con dinámicas desconocidas (2008) Raúl Fidalgo Merino Estancias en el extranjero Universidad de Oporto (Portugal) Universidad de Aveiro (Portugal) Universidad de Liubliana (Eslovenia)

8 Resultados de investigación
Publicaciones iniciales I. Fortes, R. Morales, J. L. Pérez-de-la-Cruz, F. Triguero. Inference of Fuzzy Regular Grammars from Examples. Mathware & Soft Computing. 1999 Proyecto FRESCO G. Ramos, R. Morales. A New Method for Induction Decision Trees by Sampling. NeuroCOLT

9 Resultados de investigación
Proyecto MOISES M. Baena, R. Morales, S. Cabuchola, I. Santos. Prospección de datos sanitarios: Estudio de la incapacidad permanente. Inforsalud. 2004 Ll. Mora, J. Mora, R. Morales; M. Sidrach de Cardona. Modelling time series of climatic parameters with probabilistic finite automata. Environmental Modelling and Software. 2005 M. Núñez, R. Fidalgo, M. Baena, R. Morales. The influence of active region information on the prediction of solar flares: an empirical model using data mining. Annales Geophysicae. 2005

10 Resultados de investigación
Proyecto MOISES-TA I. Fortes, Ll. Mora, R. Morales, F. Triguero. Inductive Learning Models with Missing Values. Mathematical and Computer Modelling. 2006 M. Baena, J. del Campo, A. Bifet, R. Fidalgo, R. Gavaldà, R. Morales. Early Drift Detection Method. Fourth Int. Workshop on Knowledge Discovery from Data Streams. 2006 M. Núñez, R. Fidalgo, R. Morales. Learning in Environments with Unknown Dynamics: Towards more Robust Concept Learners. Journal of Machine Learning Research. 2007 J. del Campo, G. Ramos, R. Morales. Improving the Performance of an Incremental Algorithm Driven by Error Margins. Intelligent Data Analysis. 2008

11 Posibles contribuciones
Aprendizaje aproximado a partir de grandes volúmenes de datos Descubrimiento de patrones Aprendizaje incremental Valores desconocidos Cambio de concepto

12 Posibles contribuciones
Descubrimiento de patrones Búsquedas exhaustivas Uso de nuevas estructuras de datos más eficientes Implementaciones que aprovechan el paralelismo Aprendizaje Incremental Modelos Árboles de decisión Multiclasificadores Memoria de experiencias Modelos de memoria parcial con olvido Modelos sin memoria de experiencias Tratamiento de valores desconocidos Cambio de concepto Cambio gradual Cambio brusco