Nuevos modelos EXplicables en clasificación Ordinal (NEXO): aplicaciones a energías renovables y biomedicina

Accesos: 21
Estado:
No iniciado
Líderes del proyecto:
Colaboradores:

Descripción:

Organismo: Ministerio de ciencia, inovación y universidades

Periodo: 2024-2027

 

Resumen en español:

El sub-proyecto "Nuevos modelos EXplicables en clasificación Ordinal (NEXO): aplicaciones a energías renovables y biomedicina" forma parte del Proyecto Coordinado NEXO entre los grupos GHEODE y AYRNA de la Universidad de Alcalá y la Universidad de Córdoba, respectivamente. Este sub-proyecto tiene como principal objetivo el desarrollo de nuevos algoritmos de clasificación ordinal basados en aprendizaje profundo con especial interés en potenciar su explicabilidad, y su aplicación en problemas reales de energías renovables y biomedicina. Las principales tareas están centradas en el desarrollo de estrategias para obtener modelos de clasificación ordinal explicables, utilizando para ello versiones ordinales de árboles de decisión y ensambles de los  mismos y de estrategias que permitan explicar redes profundas ordinales. De esta forma, se abordará el uso de técnicas de etiquetado suave con distribuciones unimodales, junto con técnicas de predicción conformal. Se tendrá en especial consideración la adaptación de estas metodologías para el tratamiento de series temporales, debido a que este tipo de datos son especialmente  frecuentes en energías renovables. En la parte práctica del proyecto, se propone la aplicación de las técnicas desarrolladas para abordar problemas de clasificación ordinal en problemas en energías renovables (recurso eólico, solar, hidro-generación) y en problemas de biomedicina (predicción de supervivencia para asignación donante-receptor y mitigación del sesgo de género en la estimación de la severidad en lista de espera, ambos para trasplante de hígado). Por último, el proyecto considera la publicación de bibliotecas software públicas que permitan el acceso a los algoritmos desarrollados por parte del mayor número posible de investigadores.

 

Resumen en inglés:

The sub-project "New EXplainable models for Ordinal classification (NEXO): applications to renewable energy and biomedicine" is part of the Coordinated Project NEXO between the GHEODE and AYRNA groups of the University of Alcalá and the University of Córdoba, respectively. This sub-project has as its main objective the development of new ordinal classification algorithms based on deep learning with special interest in enhancing their explainability, and their application in real problems of renewable energies and biomedicine. The main tasks are focused on the development of strategies to obtain explainable ordinal classification models, using for this ordinal versions of decision trees and ensembles of them, together with strategies that allow explaining deep ordinal networks. In this way, the use of soft labelling techniques with unimodal distributions will be addressed, along with conformal prediction techniques. Special consideration will be given to the adaptation of these methodologies for the treatment of time series, since this type of data is especially frequent in renewable energies. In the practical part of the project, the application of the developed techniques to address ordinal classification problems in renewable energy problems (wind, solar, hydro-generation resources) and in biomedical problems (survival prediction for donor-recipient allocation and mitigation of gender bias in the estimation of severity on the waiting list, both for liver transplantation) is proposed. Finally, the project considers the publication of public software libraries that allow access to the algorithms developed by the largest possible number of researchers.