» Investigación » SISIUS - Investigación en la USE

Belén Vega Márquez
Telefono: E0.41
Email: Solicitar correo
Perfil en ORCID: 0000-0002-2466-6486

Grupo de Investigación: Sistemas Informaticos
Departamento/Unidad: Lenguajes y Sistemas Informáticos
Situación profesional: Profesor Sustituto Interino

Participa en los siguientes proyectos/ayudas en la US:

• Proyecto de investigación:
  • Aprendizaje profundo y transferencia de aprendizaje eficientes para salud y movilidad conectada (PID2020-117954RB-C22 - Equipo Trabajo (Solicitud))
  • Modelos híbridos adaptativos para predecir la producción de energías renovables solar y eólica (P18-RT-2778 - Equipo Colaborador (Solicitud))
  • BIDASGRI: Tecnologías Big Data para Smart Grids (US-1263341 - Contratado)
  • Big Data Streaming: Análisis de Datos Masivos Continuos. Modelos Descriptivos (TIN2017-88209-C2-2-R - Contratado)
  • Big Time-Aware Data: Análisis de Datos Masivos Indexados en el Tiempo. Reglas y Clustering (TIN2014-55894-C2-1-R - Contratado)
  
  
• Contrato con empresas (Arts. 68/83 LOU):
  • Plataforma wearable para el diagnóstico temprano de trastornos emocionales y agudizaciones en pacientes con enfermedades crónicas mediante el uso de Inteligencia Artificial (SENSING-AI ) (P001-21/E22 - Investigador)
  • IA + IoT para la construcción de Servicios de Hogar Inteligente II (P011-21/E22 - Investigador)
  • IA + IoT para la construcción de Servicios de Hogar Inteligente I (P008-20/E22 - Colaborador)
  
  
• Actividades de Transferencia de Conocimiento:
  • Modelos de Deep Learning para sistemas de energía renovable: predicción de generación y mantenimiento preventivo y predictivo (PYC20 RE 078 US - Equipo Trabajo (Alta/Baja))
  
  

Cobertura de la base de datos de proyectos, véase aqui

Publicaciones:

Publicaciones en Revistas

Vega Márquez, Belén, Nepomuceno Chamorro, Isabel de los Angeles, Rubio Escudero, Cristina, Riquelme Santos, José Cristóbal:
OCEAn: Ordinal classification with an ensemble approach. En: Information Sciences. 2021. Vol. 580. Pag. 221-242. 10.1016/j.ins.2021.08.081

Vega Márquez, Belén, Rubio Escudero, Cristina, Nepomuceno Chamorro, Isabel de los Angeles, Angel Arcos Vargas:
Use of Deep Learning Architectures for Day-Ahead Electricity Price Forecasting over Different Time Periods in the Spanish Electricity Market. En: Applied Sciences. 2021. Vol. 11. Núm. 13. 10.3390/app11136097

Vega Márquez, Belén, Nepomuceno Chamorro, Isabel de los Angeles, Jurado Campos, Natividad, Rubio Escudero, Cristina:
Deep learning techniques to improve the performance of olive oil classification. En: Frontiers in Chemistry. 2020. Vol. 7. Núm. 929. 10.3389/fchem.2019.00929

Nepomuceno Chamorro, Isabel de los Angeles, Nepomuceno Chamorro, Juan Antonio, Galván, José Luis, Vega Márquez, Belén, Rubio Escudero, Cristina:
Using prior knowledge in the inference of gene association networks. En: Applied Intelligence. 2020. Vol. 50. Núm. 11. Pag. 3882-3893. 10.1007/s10489-020-01705-4

Vega Márquez, Belén, Rubio Escudero, Cristina, Nepomuceno Chamorro, Isabel de los Angeles:
Generation of Synthetic Data with Conditional Generative Adversarial Networks. En: Interest Group in Pure and Applied Logics. Logic Journal. 2020. 10.1093/jigpal/jzaa059

Aportaciones a Congresos

Vega Márquez, Belén, Solís García, Javier, Nepomuceno Chamorro, Isabel de los Angeles, Rubio Escudero, Cristina:
An Extensive Comparative Between Univariate and Multivariate Deep Learning Models in Day-Ahead Electricity Price Forecasting. Ponencia en Congreso. 16th International Conference on Soft Computing Models in Industrial and Environmental Applications. Bilba. 2021

Vega Márquez, Belén, Carminati, Andrea, Jurado Campos, Natividad, Martín, Andrés, Arce Jiménez, Lourdes, et. al.:
Convolutional neural networks for olive oil classification. Ponencia en Congreso. International Work-Conference on the Interplay between Natural and Artificial Computation. Cabo de gata (Almería). España. 2019

Vega Márquez, Belén, Rubio Escudero, Cristina, Riquelme Santos, José Cristóbal, Nepomuceno Chamorro, Isabel de los Angeles:
Creation of synthetic data with conditional generative adversarial networks. Ponencia en Congreso. 14th International Conference on Soft Computing Models in Industrial and Environmental Applications. Sevilla. 2019