inaoe.edu.mx
INAOE | SALA DE PRENSA
Asignar puntaje:
 

Tesis de doctorado de estudiante del INAOE obtiene dos premios nacionales

Santa María Tonantzintla, Puebla, a 4 de diciembre. La tesis Supervised classifiers based on emerging patterns for class imbalance problems, de Octavio Loyola González, egresado del doctorado en Ciencias Computacionales del INAOE, obtuvo el premio a la mejor tesis del área de informática en el certamen organizado por la Asociación Nacional de Instituciones de Educación Superior (ANIEI) y el premio "Jorge Negrete" a la mejor tesis otorgado por la Sociedad Mexicana de Inteligencia Artificial (SMIA).

            Asimismo, también fue reconocida como la mejor tesis doctoral de la Coordinación de Ciencias Computacionales de este Instituto.

            Dicho proyecto doctoral aborda el tema del desbalance de clases en los clasificadores basados en patrones emergentes que sesgan sus resultados hacia la clase mayoritaria, y propone tres nuevos algoritmos para extraer patrones emergentes en bases de datos con desbalance de clases, así como un nuevo clasificador basado en patrones emergentes específicamente diseñado para problemas con desbalance de clases, el cual obtiene mejores resultados de clasificación que otros clasificadores reportados en la literatura especializada.

Octavio Loyola González realizó estudios doctorales en Ciencias Computacionales en el INAOE.

            La tesis del Dr. Loyola González fue asesorada por los doctores José Francisco Martínez Trinidad, investigador del INAOE, y Milton García Borroto, actualmente Decano de Investigación en la Universidad Tecnológica de La Habana.

            El trabajo doctoral de Octavio Loyola González no sólo ha sido reconocido a nivel nacional, sino que ha arrojado resultados importantes como cinco artículos en revistas de alto impacto, cuatro adicionales en congresos arbitrados de reconocimientos de patrones y un reporte técnico publicado en el INAOE.

            En entrevista telefónica, el Dr. Octavio Loyola González, quien actualmente es profesor-investigador del Tec de Monterrey campus Puebla, explicó que su tesis aborda el tema de reconocimiento de patrones para problemas con desbalance.

Octavio Loyola en su oficina en el Tec de Monterrey campus Puebla, donde trabaja actualmente.

            Agregó que los clasificadores actualmente sesgan sus resultados hacia la clase de los objetos más abundantes: "Si vas por ejemplo a un hospital y quieres clasificar pacientes con VIH, normalmente hay muy pocos pacientes con VIH con respecto al total de la población. Si entrenas al clasificador con una muestra que sea representativa de esta población, vas a obtener un conjunto de datos donde hay muchas personas que no están contagiadas y un conjunto muy pequeño de personas enfermas, y los clasificadores se sesgan y cada que viene una persona nueva y quieres clasificarla para saber si está infectada o no, el clasificador te va a decir que esa persona no tiene VIH. Lo que estamos tratando de hacer es clasificar bien estos conjuntos de datos que tienen características especiales. Y además tenemos un modelo que es explicativo, es más cercano a lo que hace un especialista o al lenguaje que practica un especialista, te da reglas que entiende más fácilmente un especialista, ya no sólo tengo un modelo con una alta eficacia en clasificación, sino que ahora te va a dar reglas, en este caso patrones, los cuales van a estar describiendo este modelo, entonces los especialistas pueden tomar esos patrones y decir que sí entienden por qué el modelo está dando esa clasificación".

            Finalmente, el Dr. Octavio Loyola González agradeció no sólo a sus asesores, sino también al Dr. Jesús Ariel Carrasco Ochoa, "quien estuvo constantemente a mi lado en la tesis".


Última modificación :
04-12-2018 a las 16:29 por Guadalupe Rivera

SALA DE PRENSA 2018

MULTIMEDIA

Luis Enrique Erro # 1, Tonantzintla, Puebla, México C.P. 72840 | Teléfono: (222) 266.31.00 | Contacto: difusion@inaoep.mx | Fax: 247.25.80

 

Esta obra está licenciada bajo una Licencia Creative Commons Atribución-No Comercial-Sin Obras Derivadas 2.5 México

Creative Commons License