Ver Financiación - Prisma - Unidad de Bibliometría

Mathematical optimization and statistics for explainable and fair machine learning

Referencia: PID2022-137818OB-I00

Tipo: Proyecto de investigación
Programa financiador: Plan Estatal 2021-2023 - Proyectos Investigación Orientada
Entidad financiadora: Ministerio de Ciencia e Innovación
Ámbito: Nacional
Convocatoria competitiva:
Fecha de inicio: 01/09/2023
Fecha de fin: 31/08/2027
Participantes en la financiación
Nombre Rol
Carrizosa Priego, Emilio Responsable
Ramírez Cobo, Josefa Responsable
Marín Pérez, Alfredo Investigador/a
Blanquero Bravo, Rafael Investigador/a
Jiménez Gamero, María Dolores Investigador/a
Benítez Peña, Sandra Investigador/a
Guerrero Lozano, Vanesa Investigador/a
Gómez Vargas, Nuria Investigador/a
Ramírez Ayerbe, Miren Jasone Investigador/a
Kurishchenko, Kseniia Investigador/a
Camacho Martín, Miguel Investigador/a
Jiménez Llamas, Rafael Investigador/a
Halskov, Thomas Investigador/a
Martín Barragán, Belén Investigador/a
Sillero Denamiel, María de los Remedios Investigador/a
Pourahmadi, Farzaneh Investigador/a
Molero del Río, María Cristina Investigador/a
Romero Morales, María Dolores Investigador/a
Gaete Gaete, Myriam Raquel Investigador/a
Jiménez Revuelta, José Carlos Investigador/a
Romero Madroñal, Marcos Contratado
Publicaciones relacionadas
Tipo Año Título Fuente
Artículo 2024 Counterfactual analysis and target setting in benchmarking EUROPEAN JOURNAL OF OPERATIONAL RESEARCH
Artículo 2024 Generating collective counterfactual explanations in score-based classification via mathematical optimization EXPERT SYSTEMS WITH APPLICATIONS
Artículo 2024 Intra-facility equity in discrete and continuous p-facility location problems COMPUTERS & OPERATIONS RESEARCH
Artículo 2024 Mathematical optimization modelling for group counterfactual explanations EUROPEAN JOURNAL OF OPERATIONAL RESEARCH
Artículo 2023 A new model for counterfactual analysis for functional data Advances in Data Analysis and Classification
Artículo 2023 Homogeneity of marginal distributions for a large number of populations Stat
Nota: la fuente de financiación de las publicaciones se ha obtenido de WOS