Tras el éxito de las anteriores ediciones de las Jornadas de la Asociación Española para la Inteligencia Artificial (CAEPIA'13, CAEPIA'15 y CAEPIA'16), el IV Simposio sobre Fusión de la Información y Ensemble Learning, pretende establecer un punto de encuentro para todas las investigaciones con interés en el campo de la fusión de información y ensembles, que es una parte clave del aprendizaje automático.

El simposio acogerá todas las contribuciones (tanto teóricas como aplicadas) centradas en la combinación de algoritmos de aprendizaje automático para la solución de problemas complejos: esto incluye la gestión de varias fuentes de datos, paradigmas de aprendizaje, combinación de resultados o cualquier otro tipo de fusión de información requerida dentro de un sistema automático.

Esperamos que FINO'18 sea un foro estimulante y fructífero para presentar y discutir los últimos trabajos y avances en la fusión de información y el aprendizaje conjunto.

Presidentes

• Emilio Corchado Universidad de Salamanca, Email: escorchado@usal.es
• Mikel Galar Universidad Pública de Navarra, Email: mikel.galar@unavarra.es
• Bruno Baruque Universidad de Burgos, Email: bbaruque@ubu.es
• Alberto Fernández Universidad de Granada, Email: alberto@decsai.ugr.es

Temas de interés

Los temas de interés incluyen, entre otros, los siguientes:

• Metodologías ensemble, estrategias y técnicas.
• Ensembles homogéneos y heterogéneos.
• Métodos para la construcción de ensembles. e.g. Boosting, Random Forest, etc.
• Ensembles para clasificación, predicción, clustering, selección de características.
• Definiciones y medidas de la diversidad.
• Estrategias y técnicas para la generación de diversos modelos.
• Relaciones entre la diversidad y precisión de los ensembles.
• Estrategias de fusión para decisiones.
• Evaluación del funcionamiento de ensembles y comparación con otras aproximaciones.
• Desarrollo de software de ensembles.
• Aplicaciones de ensembles en problemas reales.
• Fusión de clasificadores one-class.
• Descomposición de problemas multi-clase: One-vs-One, One-vs-All, ECOC, etc.
• Ensembles para problemas multi-instacia y multi-etiqueta.
• Ensembles para tratar problemas con ruido, clases no balanceadas y transferencia del aprendizaje.
• Diseño de estrategias de fusión de información para modelos distribuidos y Big Data

Comité de programa

Investigador	Institución
Juan Manuel Corchado	Universidad de Salamanca, España
Ana Belén Gil González	Universidad de Salamanca, España
Ángel Arroyo	Universidad de Burgos, España
Belén Vaquerizo García	Universidad de Burgos, España
Javier Sedano	Instituto Tecnológico de Castilla y León, España
Jesús Ángel Román Gallego	Universidad de Salamanca, España
José Luis Calvo Rolle	Universidad de Coruña, España
José Luis Casteleiro Roca	Universidad de Coruña, España
Leticia Curiel	Universidad de Burgos, España
Pedro Antonio Hernández Ramos	Universidad de Salamanca, España
Hector Quintián	Universidad de Salamanca, España
Francisco Herrera	Universidad de Granada, España
Salvador García	Universidad de Granada, España
Julián Luengo	Universidad de Burgos, España
Edurne Barrenechea	Universidad Pública de Navarra, España
Luciano Sánchez	Universidad de Oviedo, España
Oscar Cordón	Universidad de Granada, España
Oriol Pujol	Universidad de Barcelona, España
Sergio Escalera	Universidad de Barcelona, España
Daniel Hernández-Lobato	Universidad Autónoma de Madrid, España
Aníbal Ramón Figueiras-Vidal	Universidad Carlos III de Madrid, España
Araceli Sanchís	Universidad Carlos III de Madrid, España
Agapito Ismael Ledezma	Universidad Carlos III de Madrid, España
Jesús Mª Pérez	Universidad del País Vasco, España
José Antonio Sanz	Universidad Pública de Navarra, España
Santiago Porras	Universidad de Burgos, España