Departamento de Matemáticas UAM

  • Inicio
  • Inicio (2)
  • Presentación
  • Directorio
  • Organigrama
  • Intranet
  • Convocatoria de plazas

Estudios

  • Grado
  • Posgrado
  • Aula Abierta
  • Facultad de Ciencias

Investigación

  • Ayudas para investigación
  • Departamento
  • Grupos de investigación
  • Institutos de investigación
  • Seminarios
  • Joint Mathematics Colloquium ICMAT-UAM-UC3M-UCM
  • Memorial Rubio de Francia
  • Coloquio Premio Rubio de Francia
  • Coloquios Departamento

Divulgación

  • Semana de la Ciencia
  • Campamento de Verano
  • Matemáticas en La Corrala
  • Canal Youtube
  • Revista Qed
  • Otras Actividades
  • Blogs Divulgativos

Noticias Destacadas

       Agenda del Departamento

 

  • Información (provisional) sobre grupos y horarios de las asignaturas impartidas por el Departamento de Matemáticas, para el curso 2023-2024.

  • Propuestas de Trabajos de Fin de Grado para el curso 2023-2024.


 


Canal @matematicasuam

 

Enlace al canal del Departamento en youtube.

 


 


PIM (Pequeño Instituto de Matemáticas)

Con el objetivo de fomentar el interés por las matemáticas y dirigido a jóvenes entre 14 y 18 años, nace este proyecto de Instituto de Ciencias Matemáticas (ICMAT) en colaboración con nuestro Departamento, la Universidad Autónoma de Madrid y la Real Sociedad Matemática Española.

El proyecto comienzó en el curso académico 2022-2023. Ampliar información en su página web.

 

Mes anteior Día anterior
Anual
Mensual
Semanal
Diario
Buscar
Ir al mes específico
Día siguiente Mes siguiente
Anual Mensual Semanal Hoy Buscar Ir al mes específico
Machine learning in Madrid

Machine learning in Madrid

Lunes, 26 de abril de 2021, 12-13h

 

Ponente: Antonio Cuevas (UAM)

 

Título: On distance choice in machine learning

 

Enlace:   https://conectaha.csic.es/b/mar-mrf-oj9-ui0

 

 

Resumen: This talk will be focused on supervised binary classification problems in which the data space is infinite-dimensional. Such a situation arises in many typical cases of functional data, such as temperature registrations, spectral curves, electrocardiograms etc., but also in pattern recognition problems involving images or shapes. The choice of an appropriate distance between data is particularly important in such settings.

 

Three particular examples will be briefly discussed: a functional version of the Mahalanobis distance (suitable for trajectories of L2-processes), a “visual metric” (suitable for spectrometric curves) and a “probabilistic distance” (adapted to problems of shape discrimination).

 

The contents of this talk are a summary of several recent joint works with different co-authors: J. R. Berrendero, A. Cholaquidis, B. Bueno, R. Fraiman, and B. Pateiro. 

 

 

 

Localización Lunes, 26 de abril de 2021, 12-13h
CSS Valid | XHTML Valid | Top | + | - | reset
Copyright © Eximium 2025 All rights reserved. Custom Design by Youjoomla.com
Inicio