| 14 julio, 2022 | ||
| 9:00 |
El próximo 14 de julio de 2022 tendrá lugar la III Jornada Científica EOMA. Cada ponente dispone de un máximo de 40 minutos (preguntas incluidas) para exponer sus resultados de investigación.
Lugar: Sala de seminarios CIO
Jueves 14 de julio de 2022
9:00 horas – Presentación 1
Autores: María D. Guillén, Juan Aparicio, Miriam Esteve
Título: Gradient Tree Boosting para la estimación de fronteras de producción
Resumen: En la teoría de la producción y en la ingeniería, un tema de interés es determinar el grado de eficiencia técnica de empresas a través de la estimación de una tecnología. Por definición, una tecnología tiene que satisfacer una serie de postulados (libre disponibilidad, convexidad,…) y, del mismo modo, un estimador válido de una tecnología debe cumplir los mismos axiomas de la microeconomía. En este artículo, por primera vez, se adapta el algoritmo Gradient Tree Boosting con el objetivo de estimar tecnologías de producción, de modo que estas satisfagan las condiciones teóricas que se requieren. Este nuevo enfoque es similar a la metodología estándar Free Disposal Hull (FDH), pero es capaz de evitar el problema de sobreajuste a los datos que esta técnica presenta. Así mismo, también se muestra cómo calcular diferentes medidas de eficiencia técnica utilizando como base el estimador de la tecnología mediante la adaptación de dicho algoritmo. Finalmente, se demuestra la mejora en términos de MSE y bias de la nueva técnica frente a FDH y cómo esta técnica puede ser usada para solventar el problema de maldición de la dimensionalidad.
9:45 horas – Presentación 2
Autores: Víctor J. España, Juan Aparicio, Xavier Barber, Miriam Esteve
Título: Una adaptación aditiva de MARS para la estimación de funciones de producción en el contexto del Análisis Envolvente de Datos.
Resumen: El artículo que se presenta introduce una nueva metodología para la estimación de funciones de producción que satisface axiomas clásicos de la teoría de producción (monotonía y concavidad) a través de la adaptación de la técnica de aprendizaje automático Multivariate Adaptive Regression Splines (MARS) en un versión aditiva. Este nuevo enfoque, bautizado como Additive Adaptive Frontier Splines (AAFS), comparte con el Análisis Envolvente de Datos (DEA) la forma del predictor como una función lineal a trozos. Sin embargo, AAFS supera los problemas de sobreajuste presentes en DEA al recurrir a la técnica de validación cruzada generalizada. En este artículo se ha empleado un experimento computacional para medir el desempeño de AAFS, demostrando que este nuevo enfoque reduce significativamente el error cuadrático medio y el sesgo del estimador de la verdadera función de producción en comparación con DEA y la técnica de Corrected Concave Non-Parametric Least Squares (C2NLS).
10:30 horas – Presentación 3
Autores: Daniel Valero-Carreras, Juan Aparicio and Nadia M. Guerrero Daniel Valero-Carreras, Javier Alcaraz and Mercedes Landete
Título: Aplicaciones de Máquinas de soporte vectorial para la estimación de fronteras y Selección de clasificadores con selección de características
Resumen: Las Máquinas de soporte vectorial son una técnica de aprendizaje automático desarrollado por Vladimir Vapnik y Corinna Cortes que se puede utilizar tanto en problemas de clasificación como de regresión. Durante el desarrollo de esta tesis se han adaptado los algoritmos de Máquinas de Soporte Vectorial de Regresión (SVR) y de Máquinas de Soporte Vectorial de Clasificación (SVM) para aplicarlos a problemas de estimación de fronteras y de solución de problemas de clasificación con Selección de características (Feature Selection en inglés). La primera adaptación ha dado lugar a una técnica conocida como Support Vector Frontiers (SVF) que mejora los rendimientos de las técnicas tradicionales de estimación de fronteras (FDH y DEA) ya que no se sobreajusta tanto a los datos. La segunda adaptación consiste en una modificación del problema bi-objetivo del SVM+Feature Selection para adaptarlo a un contexto de análisis ROC. En el enfoque tradicional los objetivos son: minimizar el error de generalización y el error empírico. En el nuevo enfoque los objetivos son: minimizar el número de falsos positivos y negativos del problema. Para solucionar este problema no convexo se ha utilizado una metaheurística basada en el algoritmo NSGA-II. De este modo, se ha conseguido mejorar el rendimiento de los clasificadores frente a otros métodos existentes en la literatura.
11:15 horas
DESCANSO
11:45 horas – Presentación 4
Autores: María Bugallo, María Dolores Esteban, Domingo Morales
Título: SAE under area-level zero-inflated mixed models. Application to the Spanish Household Budget Survey.
Resumen: Under an area-level zero-inflated Poisson mixed model, this research introduces small area predictors of counts and proportions and gives bootstrap estimators of the corresponding mean squared errors. The Laplace approximation algorithm is used to estimate the model parameters. An empirical research is carried out to investigate the adequacy of the fitting algorithm, the predictors and the mean squared error estimators. The new statistical methodology is applied to real data from the 2016 Spanish Household Budget Survey. The main objective is to estimate the proportions and totals of single-person households by domains defined by the Spanish province, the sex and the age group of the main breadwinner in the household.
12:30 horas – Presentación 5
Autores: J. Camacho, M.J. Cánovas, J. Parra & M.A. López
Título: On the stability of metric subregularity moduli for linear inequality systems
Resumen: This talk is mainly focused on the study of the metric subregularity modulus’ stability for (finite) linear inequality systems. More specifically, the metric subregularity property of the feasible set mapping is equivalent to the calmness property for its inverse, which is always finite in this framework of right-hand side perturbations. This fact motivates the study of the continuity for either of the functional modulus instead of the associated radius itself. We divide discontinuity points in two classes and define two properties, robust/continuous metric subregularity, that exclude those cases.
13:15 horas – Presentación 6
Autores: Sofía Rodríguez Ballesteros, Javier Alcaraz Soria, Laura Antón Sánchez
Título: Resource-Constrained Project Scheduling: A multi-objective perspective
Resumen: The use of metaheuristic algorithms for solving multiobjective optimization problems is a very active area. In this work, we introduce the bi-objective Resource-Constrained Project Scheduling Problem with Time-Dependent Resource Costs and an adaptation of the NSGA-II algorithm specifically designed for solving this optimization problem. Next, a comprehensive description of several metaheuristics including the former is provided, as well as the introduction of the irace package that provides an automatic parameter configuration tool to find accurate setting of these techniques.
Eventos del EOMA