El próximo 6 de marzo tendrá lugar el seminario Segmentación de series temporales mediante algoritmos de aprendizaje automático, organizado por la Cátedra de Ciencia de datos y aprendizaje automático UAM-IIC, en la Escuela Politécnica Superior (EPS) de la UAM a las 12:00 h.
En la conferencia se abordará la metodología y el desarrollo de algoritmos híbridos de segmentación de series temporales que utilicen una técnica de agrupamiento y un algoritmo genético para encontrar los segmentos con características estadísticas similares y poder determinar los puntos de corte de la serie.
La segunda parte de la metodología se aplica a la mejor serie segmentada obtenida en la última generación del algoritmo evolutivo, y se basa en, si es necesario, volver a buscar nuevos puntos de corte de la serie mediante la maximización del cociente de verosimilitudes, bajo la hipótesis de normalidad de los datos de la serie.
Una aplicación a la segmentación de series de paleontoclima, que trata de prevenir de forma eficaz la aparición de periodos de glaciación (eventos del tipo Dansgaard-Oeschger, DO), busca una mejor comprensión de la propuesta.
Para ello, contaremos con la presencia de César Hervás Martínez, Catedrático en el Departamento de Informática y Análisis Numérico de la Universidad de Córdoba, que aportará además su experiencia como miembro senior de la IEEE. Actualmente investiga el aprendizaje de modelos de clasificación ordinal y su aplicación a problemas de energía eólica y mareomotriz, la segmentación híbrida de series temporales y su aplicación a series de energías renovables y la determinación del mejor receptor de un trasplante hepático y de pulmón mediante modelos de redes neuronales.