Inicio Events - valgrAI XXX Matinal de Investigación

Regístrate aquí

CAPTCHA image

This helps us prevent spam, thank you.

Fecha

06 Nov 2026

Hora

09:30 - 10:30

Idioma

English / Spanish

Localización

Online

XXX Matinal de Investigación

¡Llegamos a nuestro «café» número treinta! Nuestra dosis mensual de investigación e innovación en IA dentro de la Comunitat Valenciana está de aniversario y lo celebramos por todo lo alto, con DOS nuevas ponencias para ponernos al día con varias iniciativas sobre el estado del arte. ¡Acompáñanos un mes más en nuestro primer café del mes!

¿Qué son los Matinales de Investigación?

  • Son un ciclo de sesiones dedicadas a la divulgación científica en Inteligencia Artificial.
  • Cada sesión incluye varias ponencias impartidas por personal investigador del ecosistema de ValgrAI.
  • Abiertos a la participación de la comunidad académica, profesional y estudiantil interesada.
  • Se organiza un Matinal de Investigación (generalmente) el primer viernes de cada mes.

¿Por qué no puedes perdértelo?

  • Sumérgete en las investigaciones más innovadoras en inteligencia artificial.
  • Dialoga directamente con los expertos durante una sesión de preguntas y respuestas.
  • Amplía tu red conectando con otros apasionados de la tecnología.
  • Déjate inspirar por nuevas ideas y oportunidades en el apasionante mundo de la IA

Nay Klaimi

Título: Physically constrained unfolded multi-dimensional OMP for large MIMO systems.

Sparse recovery methods are essential for channel estimation and localization in modern communication systems, but their reliability relies on accurate physical models, which are rarely perfectly known. Their computational complexity also grows rapidly with the dictionary dimensions in large MIMO systems. In this paper, we propose MOMPnet, a novel unfolded sparse recovery framework that addresses both the reliability and complexity challenges of traditional methods. By integrating deep unfolding with data-driven dictionary learning, MOMPnet mitigates hardware impairments while preserving interpretability. Instead of a single large dictionary, multiple smaller, independent dictionaries are employed, enabling a low-complexity multidimensional Orthogonal Matching Pursuit algorithm. The proposed unfolded network is evaluated on realistic channel data against multiple baselines, demonstrating its strong performance and potential.

Damián Pérez Asensio

Título: Problema de distritación sanitaria: diferentes métodos para la asignación de la población.

El sistema sanitario es un pilar fundamental del bienestar social y su correcta organización territorial es esencial para garantizar una atención equitativa y eficiente a la población. Sin embargo, los cambios demográficos y socioeconómicos experimentados durante las últimas décadas pueden hacer que la delimitación actual de los distritos sanitarios no se adapte adecuadamente a la distribución de la población y a sus necesidades asistenciales. Esto plantea la necesidad de estudiar cómo mejorar la asignación territorial de la población a los recursos sanitarios disponibles. En esta investigación se aborda el problema de la distritación sanitaria mediante diversos métodos. En primer lugar, se estudia una aproximación geométrica basada en los polígonos de Voronoi. Posteriormente, se formula un modelo matemático que permite obtener soluciones óptimas para instancias de menor tamaño. Finalmente, se desarrolla una metaheurística tipo GRASP, orientada a resolver instancias de mayor tamaño, manteniendo restricciones como la contigüidad territorial y considerando la reducción de las distancias de desplazamiento de la población.

Nay Klaimi

Nay Klaimi es investigadora predoctoral en Francia, en el laboratorio IETR del INSA Rennes, donde actualmente está finalizando su segundo año de doctorado. Su investigación se centra en el aprendizaje automático basado en modelos (Model-Based Machine Learning, MBML) aplicado a las comunicaciones inalámbricas, mediante el uso de redes neuronales estructuradas e inicializadas a partir del conocimiento físico de las señales inalámbricas. Actualmente realiza una estancia de investigación en Valencia junto a Joaquín Torres, donde está recopilando mediciones reales para validar una técnica de MBML desarrollada con su equipo en Francia.

Damián Pérez Asensio

Damián Pérez Asensio es graduado en el Doble grado en Administración y Dirección de Empresas e Ingeniería de Tecnologías y Servicios de Telecomunicación. Además, completó su formación con el Máster Universitario en Ingeniería de Análisis de Datos, Mejora de Procesos y Toma de Decisiones. Actualmente es investigador predoctoral en el proyecto Hireves (INNVA1/2024/91) y estudiante del programa de Doctorado en Estadística y Optimización de la Universitat Politècnica de València (UPV). Su investigación se centra en la optimización de los recursos sanitarios, en concreto, en la distritación sanitaria: la asignación de la población a los diferentes distritos sanitarios o departamentos de salud.

¡Puedes ver aquí las anteriores ediciones!

Etiquetas: , , , , , , , , , , , , , ,