FBBVA-Ayudas-Equipos-2016-Jose-Dorronsoro

‘Aprendizaje iterativo convexo: teoría y aplicaciones’

Ayuda a equipos de investigación científica

Big Data

2016

El proyecto tiene como objetivo inicial llevar a cabo la investigación básica sobre la optimización convexa para mejorar la convergencia de descenso de gradiente en problemas convexos. El paso siguiente será aplicar estos avances, así como otros enfoques complementarios de aprendizaje automático, para lograr una mejor predicción de energía eólica y solar.

INVESTIGADOR PRINCIPAL

José Ramón Dorronsoro Ibero, catedrático de Ciencias de la Computación e Inteligencia Artificial en la Universidad Autónoma de Madrid

 

EQUIPO DE INVESTIGACIÓN

Álvaro Jiménez Barbero, Julia Díaz García, David Díaz Vico, Jorge López Lázaro, Instituto de Ingeniería del Conocimiento; y Ana González Marcos y Alberto Torres Barrán, Universidad Autónoma de Madrid.

 

ENTIDAD ASOCIADA

Universidad Autónoma de Madrid

 

DESCRIPCIÓN

El proyecto tiene como objetivo inicial llevar a cabo la investigación básica sobre la optimización convexa, buscando contribuir al estado de la técnica en el ámbito de los métodos de aceleración para mejorar la convergencia de descenso de gradiente en problemas convexos, con máquinas de vectores soporte ( SVM) y modelos dispersos (Lasso o variación total).

El paso siguiente será aplicar estos avances, así como otros enfoques complementarios de aprendizaje automático, para lograr una mejor predicción de energía eólica y solar.

A través de la colaboración con el Instituto de Ingeniería del Conocimiento (IIC), los investigadores podrán disponer de los cerca de 100 parques eólicos individuales en España con los que trabaja el instituto para implementar pruebas de campo de los posibles avances algorítmicos y, en su caso, explotar los más exitosos para mejorar las actuales predicciones de energía solar y eólica.