Últimas noticias

Ver todo

Sobre el centro

BCAM obtiene financiación para seis proyectos a través de la convocatoria PID 2024 de la Agencia Estatal de Investigación

Esta convocatoria está dirigida a financiar la investigación científica y el avance del conocimiento, tanto en áreas no orientadas como en áreas orientadas a resolver problemas específicos.    BCAM ha logrado que seis de sus proyectos de investigación reciban financiación a través de la...

Sobre el centro

El Book of Abstracts de ESGI 188 ya está disponible

 

Sobre el centro

Investigadores de BCAM, ARAYA INC., a Universidad De Sussex y la Universidad De Kyoto desarrollan una nueva clase de modelos de Inteligencia Artificial llamados REDES NEURONALES CURVADAS

  • ¿Qué pasaría si la Inteligencia Artificial pudiera recordar las cosas no solo bien, s

La gente del BCAM

La investigadora posdoctoral de BCAM Verónica Álvarez Castro ha sido reconocida como una de las Jóvenes Investigadoras en Informática en los Premios de Investigación de la Sociedad Científica de Informática de España (SCIE) - Fundación BBVA

  • El jurado de estos premios ha valorado sus contribuciones al aprendizaje automático en el campo de la adaptación a cambios temporales, tanto en sus aspectos fundamentales como en su ap

Últimas publicaciones

Ver todo

Transforming Combinatorial Optimization Problems in Fourier Space: Consequences and Uses

Elorza, A.; Benavides, X.; Ceberio, J.; Hernando, L.; Lozano, J.A. (2024-09-10)

We analyze three permutation-based combinatorial optimization problems in Fourier space, namely, the quadratic assignment problem, the linear ordering problem (LOP), and the symmetric and nonsymmetric traveling salesperson p...

Learning the Graph Structure of Regular Vine-Copulas from Dependence Lists

Carrera, D.; Santana, R.; Lozano, J.A. (2025-01-01)

Regular vine copulas (R-vines) provide a comprehensive framework for modeling high- dimensional dependencies using a hierarchy of trees and conditional pair-copulas. While the graphical structure of R-vines is traditionall...

Self-Composing Policies for Scalable Continual Reinforcement Learning

Vadillo, J.; Santana, R.; Lozano, J.A. (2025-01-01)

Reliable deployment of machine learning models such as neural networks continues to be challenging due to several limitations. Some of the main shortcomings are the lack of interpretability and the lack of robustness again...

Self-Composing Policies for Scalable Continual Reinforcement Learning

Malagon, M.; Ceberio, J.; Lozano, J.A. (2025-01-01)

This work introduces a growable and modular neural network architecture that naturally avoids catastrophic forgetting and interference in con- tinual reinforcement learning. The structure of each module allows the select...