Extracción de conocimiento y sistemas basados en reglas de asociación
-
Minería de textos y redes sociales
-
Estudio del comportamiento energético de edificios
-
Análisis de tendencias
-
Análisis de sentimientos
-
Detección de anomalías mediante reglas de asociación
Bioinformática
Descripción: Aplicación de técnicas computacionales y de Aprendizaje Automático para el análisis de datos masivos en biomedicina y ciencias ómicas para la identificación de biomarcadores con aplicabilidad clínica y epidemiológica.
Sublíneas:
- Análisis computacional y estadístico de datos derivados de tecnologías de secuenciación de alto rendimiento en biomedicina.
- Desarrollo y aplicación de algoritmos de Aprendizaje Automático para la identificación de biomarcadores en genómica, transcriptómica y epigenómica.
- Tecnologías de lógica difusa para el análisis de secuencias de ADN.
- Desarrollo de algoritmos de inferencia y priorización basada en grafos.
- Minería de textos y anotación semi-automática de literatura científica.
Computación evolutiva y algoritmos bioinspirados
-
Redes neuronales artificiales y Deep Learning
-
Algoritmos evolutivos y metaheurísticas
Soft Computing en Minería de Datos
-
Reglas de asociación difusas
-
Modelos de representación y visualización de reglas de asociación
-
Fusión de información mediante técnicas de minería de datos
Internet of Things
-
IoT e industria 4.0.
-
Inteligencia Ambiental.
Redes neuronales, neurocomputación y aplicaciones
-
Aprendizaje profundo (deep learning) y aprendizaje por refuerzo (deep reinforcement learning) aplicado a diferentes retos de desarrollo sostenible
-
Predicción de series temporales • Identificación de sistemas y simulación automática
-
Mejora de la eficiencia energética en edificios y smart grids
-
Análisis de la desinformación en redes sociales