Nace en San Pedro del Pinatar 1987. En 2014 obtiene el título de Ingeniera Superior en Telecomunicación por la Universidad Politécnica de Cartagena. En el periodo de octubre de 2012 hasta octubre de 2014, previo a la lectura de su Proyecto fin de Carrera, trabaja en el desarrollo de sistemas de procesado acústico y electromagnético, así como labores de investigación y desarrollo en acústica submarina para la empresa Sociedad Anónima de la Electrónica Submarina en Cartagena. Entre mayo de 2015 y marzo de 2017 trabaja para la empresa DELL-EMC Irlanda en la gestión de sistemas de almacenamiento masivo. Entre junio y agosto de 2017 participa como parte del equipo investigador de la Universidad Politécnica de Cartagena en el proyecto "Monitorización de ruido submarino mediante vehículos autónomos submarinos. Integración de un hidrófono inteligente en un AUV IVER2-ECOMAPPER" financiado por la Autoridad Portuaria de Cartagena y de octubre de 2017 a febrero de 2018 participa en el proyecto "Desarrollo y aplicación de técnicas de "Machine Learning" para la modelización y predicción del comportamiento de la válvula TV-3035" financiado por la empresa Ibrian Lube Base Oils Company, S.A. (ILBOC). En el año 2018 obtiene una beca de la Fundación Séneca para realizar la tesis doctoral en la Universidad Politécnica de Cartagena, donde participa en actividades docentes entre los años 2019 y 2021. Paralelamente está asociado al desarrollo del proyecto "Diagnóstico precoz del glaucoma a partir de retinografías mediante técnicas emergentes de Deep Learning". Ha realizado una estancia externa en George Mason University en el año 2019. Posee comunicaciones en congresos internacionales, así como publicaciones científicas en revistas de carácter internacional. Domina las lenguas española e inglesa y tiene conocimientos de las lenguas alemana y portuguesa.
La planta de proceso de ILBOC está construida a partir de diseños de ingeniería de detalle que definen y acotan las condiciones de proceso: variables físicas (como la presión, la temperatura, el caudal y la velocidad) o variables químicas (como composiciones, densidades, viscosidades). En la práctica, frecuentemente las variables químicas difieren de las que se tomaron como base de diseño, lo que obliga a ajustar las variables físicas de la planta para conseguir un producto final en especificación.
Dado el gran número de factores y variables a tener en cuenta y la no independencia temporal del estado actual del sistema, se plantea el uso de técnicas avanzadas de 'Machine Learning' (ML) para abordar las dificultades en predecir el funcionamiento y comportamiento del sistema productivo de ILBOC. Con ayuda de diferentes técnicas de ML se quiere mejorar los actuales Modelos de Toma de Decisiones, así como reevaluarlos y ajustarlos de forma continua y dinámica ante las variaciones de las propiedades y características involucradas en el proceso de producción. Se espera que estas medidas den lugar a una mejora del producto final y faciliten las tareas del personal responsable del control de calidad.
Además del diseño y análisis de estructuras neuronales altamente contrastadas como los 'Multi-Layer Perceptrons' (MLP) y las 'Extreme Learning Machines' (ELM), se profundizará especialmente en esquemas más complejos de aprendizaje profundo ('Deep Learning'). En concreto, se analizarán 1) las prestaciones de los 'Autoencoders' para la representación de los datos y extracción de características, y 2) las 'Stacked Denoising Autoencoders' (SDAE) y las 'Deep Recurrent Neural Networks' (DRNN) para el aprendizaje supervisado.
Ciencia de la computación e inteligencia artificial
Teoría de Datos y Aprendizage Máquina
Director: José Luis Sancho Gómez
Codirector: Antonio Ros Ros
Tecnologías de la Información y las Telecomunicaciones
01/03/2018
En desarrollo
Participación en congreso:
Autores: María-Elena Fernández-García, Jorge Larrey-Ruiz, Antonio Ros-Ros, Aníbal R. Figueiras-Vidal y
José-Luis Sancho-Gómez
Título: Machine-Health Application Based on Machine Learning Techniques for Prediction of Valve
Wear in a Manufacturing Plant
Publicación: IWINAC 2019 - From Bioinspired Systems and Biomedical Applications to Machine Learning
Código asignado a la publicación: 978-3-030-19651-6
Volumen: 1 Páginas, inicial: 389 Final: 398 Fecha: junio 2019
Editorial: Springer International Publishing Lugar de publicación: Almería, España
Artículo de revista:
Autores: María-Elena Fernández-García, Antonio Ros-Ros, Aníbal R. Figueiras-Vidal y José-Luis Sancho-
Gómez
Título: Complete Modified Stacked Denoising Auto-Encoders for regression
Revista: Neural Processing Letters
Código asignado a la publicación: https://doi.org/10.1007/s11063-020-10419-0
Volumen: 53 Páginas, inicial: 787 Final: 797 Fecha: enero 2021
Editorial: Springer Nature
ILBOC LUBE BASE OILS, S.A.
Antonio Ros Ros
