CHARLA PLENARIA

Oscar Cordón

Oscar Cordón

Reconocimiento AEPIA 2020

Oscar Cordón

Oscar Cordón fue el Director Fundador del Centro de Enseñanzas Virtuales (2001-05) y Delegado de la Rectora para la Universidad Digital (2015-19) de la Universidad de Granada (UGR). Fue uno de los investigadores fundadores del European Centre for Soft Computing (2006-11), siendo luego contratado como Investigador Afiliado Distinguido hasta diciembre de 2015. En la actualidad es Catedrático de Universidad en la UGR. Durante más de 25 años, ha impulsado programas de investigación y transferencia en fundamentos y aplicaciones de inteligencia computacional con un gran reconocimiento internacional. Ha publicado >380 contribuciones científicas, incluyendo un libro de investigación sobre Genetic Fuzzy Systems (con >1400 citas en Google Scholar) y 112 artículos de revista JCR-SCI (68 en Q1 y 38 en D1), dirigido 19 tesis doctorales y coordinado 37 proyectos y contratos de investigación (con un presupuesto global de >9M€). A fecha de mayo de 2021, sus publicaciones han recibido 5422 citas (H-index=39), estando incluido en el 1% de investigadores más citados en el mundo (fuente: Web of Science); con 14687 citas y H-index=58 en Google Scholar. También tiene una patente internacional en explotación sobre un sistema inteligente para identificación forense, comercializada en México y Sudáfrica.

Ha recibido el Premio de Jóvenes Investigadores de la UGR (2004), el Premio IEEE CIS Outstanding Early Career Award (en su primera edición, 2011), el Premio Nacional de Informática ARITMEL (2014) por la Sociedad Científica de España, el IEEE Fellow (2018) y el IFSA Fellow (2019). Fue miembro del Grupo de Expertos que desarrolló la Estrategia Española de I+D+I en Inteligencia Artificial para el Ministerio de Ciencia, Innovación y Universidades (2018-19). Es o ha sido Editor Asociado de 19 revistas internacionales, siendo reconocido como Outstanding Associate Editor de IEEE Transactions on Fuzzy Systems (2008) y de IEEE Transactions on Evolutionary Computation (2019). Desde 2004, ha ocupado distintos puestos de representación en EUSFLAT e IEEE Computational Intelligence Society.

En la actualidad investiga en inteligencia artificial para identificación forense (en colaboración con el laboratorio de Antropología Física de la UGR y varias laboratorios forenses y cuerpos y fuerzas de seguridad internacionales) y en modelado basado en agentes y análisis de redes sociales para marketing (en colaboración con R0D Brand Consultants en proyectos para CAPSA, Mercedes, Jaguar-Land Rover, El Corte Inglés, Telefónica, Samsung, Coca Cola Europa, Cola Cao, WiZink,…).

Inteligencia Artificial para Antropología Forense e Identificación Humana

Los métodos de identificación forense basados ​​en el esqueleto empleados por antropólogos, odontólogos y patólogos representan el primer paso en cualquier proceso de identificación humana (ID) y la última oportunidad de identificación de la víctima cuando no puede aplicarse el análisis de ADN o de huellas dactilares. Incluyen métodos como la estimación del perfil biológico (BP), la radiografía comparativa (CR), la superposición craneofacial (CFS) y la comparación de registros dentales. La BP implica el estudio de restos óseos para encontrar rasgos característicos (edad, sexo, estatura y ascendencia) que ayuden a determinar la identidad del individuo. Desempeña un papel crucial en la reducción del rango de coincidencias potenciales durante el proceso de ID, antes de la confirmación mediante una o más técnicas de ID. La CR considera la comparación ante-mortem (AM) y post-mortem (PM) de diferentes huesos y cavidades (senos frontales del cráneo, clavículas, rótulas,…) que han demostrado ser útiles para la identificación positiva por su individualidad y singularidad. La CFS tiene como objetivo superponer un cráneo con algunas imágenes AM de un candidato para determinar si corresponden a la misma persona.

Sin embargo, los profesionales todavía emplean un paradigma de observación utilizando métodos subjetivos introducidos hace muchas décadas basados en la descripción oral y documentación escrita de los hallazgos obtenidos y la comparación manual y visual de los datos AM y PM. El diseño de métodos sistemáticos, automáticos y confiables para apoyar al antropólogo forense en la aplicación de BP, CFS y CR, evitando el uso de procedimientos manuales subjetivos, propensos a errores y que consumen mucho tiempo, es una necesidad para mejorar la identificación forense. El uso de inteligencia artificial, en particular inteligencia computacional (algoritmos evolutivos, conjuntos difusos y aprendizaje profundo), visión por ordenador (registrado de imágenes 3D-2D y procesamiento de imágenes) y aprendizaje automático explicable es una forma muy adecuada para lograr este objetivo. En esta charla presentaremos tres sistemas inteligentes para CFS, CR y estimación de la edad de la muerte a partir del esqueleto, desarrollados en colaboración con el Laboratorio de Antropología Física de la Universidad de Granada en el marco de un proyecto de investigación desarrollado en los últimos quince años. Uno de estos sistemas está protegido por una patente internacional explotada por Panacea Cooperative Research y está comercializado en diferentes países.

INVITADO

Yaochu Jin

Yaochu Jin

Yaochu Jin

Yaochu Jin se licenció, estudió y se doctoró en la Universidad de Zhejiang (Hangzhou, China) en 1988, 1991 y 1996, respectivamente, y obtuvo el título de ingeniero de la Universidad del Ruhr (Bochum, Alemania) en 2001.

En la actualidad es profesor distinguido de Inteligencia Computacional en el Departamento de Informática de la Universidad de Surrey, Guildford, Reino Unido, donde dirige el Grupo de Computación e Ingeniería Inspirada en la Naturaleza. Ha sido "Finland Distinguished Professor" de la Universidad de Jyvaskyla (Finlandia), "Changjiang Distinguished Visiting Professor" de la Universidad de Northeastern (China) y "Distinguished Visiting Scholar" de la Universidad Tecnológica de Sydney (Australia). Recientemente, el Ministerio Federal de Educación e Investigación de Alemania le ha concedido la "Cátedra Alexander von Humboldt de Inteligencia Artificial". Sus principales intereses de investigación son la optimización evolutiva asistida por datos, el aprendizaje automático fiable, el aprendizaje evolutivo multiobjetivo, la robótica de enjambre y los sistemas evolutivos de desarrollo.

El Dr. Jin es actualmente redactor jefe de IEEE TRANSACTIONS ON COGNITIVE AND DEVELOPMENTAL SYSTEMS y redactor jefe de Complex & Intelligent Systems. Fue conferenciante distinguido del IEEE y vicepresidente de la Sociedad de Inteligencia Computacional del IEEE. Ha recibido el premio al mejor artículo de 2018 y 2020 de IEEE Transactions on Evolutionary Computation, el premio al mejor artículo de 2014, 2016 y 2019 de IEEE Computational Intelligence Magazine y el premio al mejor artículo del Simposio de IEEE sobre Inteligencia Computacional en Bioinformática y Biología Computacional de 2010. Está reconocido como Investigador Altamente Citado 2019 y 2020 por el Grupo Web of Science. Es miembro del IEEE.

Optimización Evolutiva Basada en Datos

Muchos problemas de optimización del mundo real no tienen funciones objetivo analíticas y las evaluaciones de los objetivos deben basarse en costosos cálculos o experimentos físicos. Estos problemas de optimización se conocen como problemas de optimización basados en datos. Esta charla ofrece una visión general de la optimización evolutiva asistida por datos de sistemas complejos. Comenzamos con una breve introducción a las ideas básicas de la optimización evolutiva basada en datos, seguida de estrategias avanzadas de gestión de sustitutos que hacen uso de técnicas avanzadas de aprendizaje automático como el aprendizaje semisupervisado, el aprendizaje de transferencia y el aprendizaje de conjunto. Se expondrán ejemplos del mundo real, desde la optimización del diseño de ingeniería hasta la búsqueda de arquitecturas neuronales.

Sé parte de CAEPIA 20/21

Descarga el CfP