Seminario “Identificación rápida de topología a partir de señales gráficas uniformes”

El viernes 4 de agosto a las 10:30 h en la Facultad de Ingeniería (salón 101), se realizará el seminario “Identificación rápida de topología a partir de señales gráficas uniformes” dictado por el Dr. Ing. Gonzalo Mateos y organizado en conjunto entre el Centro Interdisciplinario en Ciencia de Datos y Aprendizaje Automático (CICADA) y el Grupo de Probabilidad y Estadística de la Udelar.

Resumen
En esta charla se considerará la identificación de topologías de red sujetas a una señal suave previa a las observaciones nodales. Se desarrolla un rápido algoritmo de gradiente proximal de base dual para abordar de manera eficiente un problema inverso de red fuertemente convexo y regularizado por suavidad conocido por generar soluciones gráficas de alta calidad. A diferencia de los solucionadores existentes, las iteraciones novedosas vienen con garantías de tasa de convergencia global y no requieren ajustes de tamaño de paso adicionales. Las pruebas simuladas reproducibles demuestran la eficacia del método propuesto para recuperar con precisión gráficos aleatorios y del mundo real, notablemente más rápido que las alternativas más modernas y sin incurrir en una carga computacional adicional.

Gonzalo Mateos obtuvo el título de B.Sc. de la Universidad de la República, Uruguay, en 2005, y el M.Sc. y doctorado en la Universidad de Minnesota, Twin Cities, en 2009 y 2011, todos en ingeniería eléctrica. Se unió a la Universidad de Rochester (UofR), Rochester, NY, en 2014, donde actualmente es profesor asociado en el Departamento de Ingeniería Eléctrica e Informática, así como miembro de la familia Asaro Biggar en ciencia de datos. También es Director Asociado de Investigación en el Instituto Goergen de Ciencia de Datos de la UofR. Durante el año académico 2013, fue profesor invitado en el Departamento de Ciencias de Computación de la Universidad Carnegie Mellon. De 2004 a 2006 se desempeñó como Ingeniero de Sistemas en Asea Brown Boveri (ABB), Uruguay. Sus intereses de investigación se encuentran en las áreas de aprendizaje estadístico a partir de datos complejos, ciencia de redes, optimización descentralizada y procesamiento de señales gráficas, con aplicaciones en conectividad cerebral, monitoreo dinámico de la salud de redes, social, red eléctrica y análisis de Big Data.

Más información