Proyectos de investigación liderados
“GREENING: Algoritmos de selección de características verdes y rápidos”
El objetivo principal de GREENING es ampliar el marco clásico de selección de características para proporcionar nuevos algoritmos con tres propiedades adicionales: (1) que sean rápidos, (2) eficientes energéticamente, y (3) adecuados para trabajar en dispositivos de bajo consumo.
“Cuando el tamaño importa: selección de características para wearables”
El objetivo principal de este proyecto era optimizar al máximo la información que debe manejar un dispositivo, eliminando las variables innecesarias para realizar una tarea determinada, y además poder hacer cálculos potentes y sofisticados usando los menores recursos hardware posibles.
Publicaciones destacadas
“Do all roads lead to Rome? Studying distance measures in the context of machine learning”, E. Blanco-Mallo, L. Morán-Fernández, B. Remeseiro, and V. Bolón-Canedo (2023). Pattern Recognition, 141, 109646.
“Feature selection for domain adaptation using complexity measures and swarm intelligence”, G. Castillo-García, L. Morán-Fernández, and V. Bolón-Canedo (2023). Neurocomputing, vol. 548.
“E2E-FS: An End-to-End Feature Selection Method for Neural Networks”, B. Cancela, V. Bolón-Canedo and A. Alonso-Betanzos (2022). IEEE Transactions on Pattern Analysis and Machine Intelligence
LISTA COMPLETA DE PUBLICACIONES: Google Scholar