Aprendizaje máquina

El aprendizaje Máquina es uno de los pilares que articula las actividades de investigación de la G2PI. Desde la fundación del grupo, hemos sido un referente en España como los primeros usuarios y desarrolladores de vanguardia tecnologías de aprendizaje de máquinas, como las redes neuronales en la década de los 90 métodos kernel, (SVMs, Procesos Gaussianos, agrupación espectral) desde finales de los años 90 , impulsando y conjuntos de las comisiones desde la década de 2000 y los métodos actuales de inferencia bayesiana y análisis multivariante.
Las actividades de investigación de G2PI se pueden clasificar en las siguientes líneas:
  • Métodos kernel:
    • Aproximaciones compactos y eficientes a SVMs para la clasificación
    • SVMs para la regresión
    • SVMs para ARMA
    • SVM de una sola clase
    • SVM dispersas en el primal
    • Aprendizaje distribuido para SVM
    • Procesos Gaussianos para clasificación
  • Análisis multivariante
    • KOPLS dispersas
  • Boosting
  • Computación evolutiva
  • Modelos dinámicos
    • Métricas de aprendizaje para los datos secuenciales
  • Teoría del Aprendizaje
    • Aprendizaje sensible al coste
    • Teoría PAC-Bayes
    • Complejidad de Rademacher
  • Selección de características