Líneas de Investigación:
– Algoritmos de clasificación ordinal balanceada y no balanceada
– Algoritmos de segmentación, clasificación y agrupamiento de series temporales
– Algoritmos evolutivos multiobjetivo
– Aplicaciones de las Redes Neuronales en Biomedicina
– Aplicaciones de modelos de redes neuronales en energías renovables
– Aplicaciones de modelos de redes neuronales en microbiología predictiva
– Aplicaciones en modelos de asignación donantereceptor en trasplante hepático
– Clasificación binaria y ordinal de enfermos de Parkinson
– Hibridación de modelos de redes neuronales
– Métodos de Multiclasificacion no balanceada
– Redes neuronales
– Algoritmos evolutivos
– Redes neuronales evolutivas

Proyectos y convenios investigación y agroalimentación:
– Título: Clasificación ordinal basada en aprendizaje profundo y neuro-evolución (ORCA-DEEP). Líderes del proyecto: Pedro Antonio Gutiérrez; César Hervás-Martínez. Organismo: Ministerio de ciencia e innovacion. Periodo: 2021-2024.
– Título: NEuro-MOdelado AVAnzado para Clasificación Ordinal y Nominal mediante algoritmos de aprendizaje híbrido. Aplicaciones en teledetección para agricultura y en biomedicina de trasplantes (NEMO-AVACO)
– Título: NEMOTECH: Técnicas de Neuro-Modelado utilizando Algoritmos de Aprendizaje Híbridos. Aplicaciones en Biomedicina de Trasplantes, Agronomía y Microbiología Predictiva

10 Publicaciones más relevantes:
1. M. Torres-Jiménez, C. García-Alonso, J. Sánchez-Monedero, S. Millán-Lara y C. Hervás-Martínez. «Logistic evolutionary product-unit neural network classifier: the case of agrarian efficiency». 2015.
2. E. Rodero, A. González, M. Dorado-Moreno, M. Luque y C. Hervás-Martínez. «Classication of goat genetic resources using morphological traits. Comparison of machine learning techniques with linear discriminant analysis», Livestock Science. 2015.
3. M. Torres-Jiménez, C. Hervás-Martínez, C. García-Alonso y S. Millán. «Evolutionary product unit logistic regression: The case of agrarian efficiency». Conferencia de la Asociación Española para la Inteligencia Articial (CAEPIA 2015). 2015. pp. 92-102.
4. M. Rodríguez-Entrena, M. Salazar-Ordóñez y D. Becerra-Alonso. «Applying Neural Networks to classify willingness to purchase in a hypothetical agro-food market», Journal of Food Quality. 2014.
5. F. Fernandez-Navarro, C. Hervás-Martínez, C. García-Alonso y M. Torres-Jiménez. «Determination of relative agrarian technical efficiency by a dynamic over-sampling procedure guided by minimum sensitivity», Expert Systems with Applications, Vol. 38. 2011, pp. 12483-12490.

Master y Doctorado:
—

Equipos y técnicas instrumentales avanzadas de las que dispone el grupo:
Algoritmos de clasificación y predicción utilizando modelos no lineales de Redes Neuronales Evolutivas:
Aplicaciones a Bioinformática, Biomedicina, Medio Ambiente (predicción de polen), Agricultura de Precisión (Clasificación mediante Remote Sensing), etc

Líneas Estratégicas:
Es necesario que se inicien líneas de investigación interdisciplinares, en concreto con grupos de investigación asociados al desarrollo de modelos utilizando:

• Técnicas estadísticas y de investigación operativa (Algoritmos de optimización de funciones, técnicas de regresión no-lineal, regresión cuadrática superficie de respuesta, regresión logística, modelos probit, etc )
• Técnicas de Aprendizaje de máquinas
• Técnicas utilizando técnicas de Softcomputing (utilizando lógica difusa, algoritmos bioinspirados, redes neuronales, algoritmos para obtener modelos híbridos, etc)
• Técnicas de minería de datos (utilizando técnicas de reconocimiento de estructuras genéticas en alimentos donde el número de características es muy elevado, etc)
• Utilización de software específico para la determinación de modelos utilizando técnicas de análisis NIR en alimentos, o técnicas de sensores remotos para la determinación de formas espectrales y análisis espectral y multiespectral

Líneas temáticas:
Tecnologías de la información y Bioinformática