MSc Theses

2023

• Amigo N. Explainable Cascading System for Network Intrusion Detection in Industry.
• Sojo R. Improving Machine Learning-Based Bridge Health Monitoring Systems Scalability with Transfer Learning.
• Alonso M. Facilitating the Inference Interpretation in Bayesian Networks.
• Tello I. Interactive Structure Learning for Discrete Bayesian Network Classifiers.
• Angulo J. Predicción de Capacidad de Difusión de Monóxido de Carbono a Largo Plazo en Pacientes de COVID-19 con Redes Bayesianas.

2022

• Casajús Setién, Jorge (2022). Autocodificador evolutivo de red Bayesiana para detección de anomalías aplicado a ciberseguridad. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Gallego Gutiérrez, Javier (2022). A genetic atlasing toolbox with a standalone web interface and basic functionality plugin in the EBRAINS Interactive Atlas Viewer. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Cordero Encinar, Paula (2022). Anomaly-based network intrusion detection system using semi-supervised models. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Jiménez López de Castro, Joaquín (2022). Análisis post-Covid19 con herramientas de aprendizaje automático. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Valero Leal, Enrique (2022). Explanations for dynamic Bayesian networks: a case study in climate science. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Uttamchandani R. Hidden Structure- Continuous Time Bayesian Networks
• López I. Redes Bayesianas Semiparamétricas para la Monitorización y Detección de Anomalías con Aplicaciones al Deterioro de los Puentes de la Red de Carreteras
• González A. Redes Bayesianas de Consenso para la Inicialización de Sistemas de Monitorización y Detección de Anomalías.
• Fernández Hernández J. Monitorización de Puentes y Detección de Cambios de Concepto con Redes Bayesianas Dinámicas.

2021

• González-Carvajal Centenera, Santiago (2021). Cadena de clasificadores bayesianos en tiempo continuo. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM)
• Laccourreye Matamala, Paula (2021). Explainable Machine Learning for longitudinal multi-omic microbiome. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Díez García-Victoria, Jorge (2021). Score-based Bayesian networks for the discovery of effective connectivity in fMRI data with the use of the Balloon model. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Múgica I. Bridge Online Condition Monitoring with Linear Gaussian Bayesian Networks-Based Dynamic Clustering
• Maiza I. Detección de Anomalías en Fundiciones Industriales de Hornos de Arco Eléctrico Desarrollando una Técnica de Clustering de Series Temporales Multivariantes.
• Riaño M.A. Avances en Arboles de Decisión y su Aplicación para Clasificar Enfermos Críticos de COVID-19.
• Li C. Network Intrusion Detection for Industrial Devices Using Continuous Time Bayesian Networks.

2020

• Alderisi, Serena (2020). Machine learning applied to COVID-19. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Nugra Madero, Hugo Ernesto (2020). Machine learning implementations on Neurosuites software. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Angulo Montes, Luis Eduardo (2020). Redes bayesianas en R: análisis de los paquetes software disponibles. Tesis (Master), E.T.S. de Ingenieros Informáticos (UPM).
• Pérez-Soloviev V. Optimización de un Proceso de una Refinería Usando Algoritmos Evolutivos Basados en Redes Bayesianas Gaussianas.

2019

• Bernaola, N.., Learning interpretable Gene Regulatory Networks via merging Bayesian networks, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2019. BibTex
• Paniego, S.., Visualization and interpretation in large Bayesian networks, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2019. BibTex
• Parrales, F.., Estudio de metodologías de preprocesamiento y clasificación multietiqueta para datos clínicos de pacientes con migraña, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2019. BibTex
• Ramos, J.., Aprendizaje automático para flujos de datos, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2019. BibTex
• Arlandis J.Generative Modeling and Calcium Imaging
• Zapatero J. Continuous Data Imputation Applied to Massive Instances
• Fernández C. Estudio y Aplicación de Métodos Basados en Interacciones para el Aprendizaje Automático sobre Conjuntos de Elementos

2018

• Alcón, A., Modelos de aprendizaje automático sobre el juego del club Movistar Estudiantes, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2018. BibTex
• Gil-Begue, S., “Nuevos clasificadores Bayesianos multi-dimensionales. Aplicaciones a la eficiencia energética en la Industria 4.0”, confidential, (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2018. BibTex
• Puerto-Santana, C., Asymmetric Linear Gaussian Hidden Markov Models with an Application to Determine Bearings Health State, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2018. BibTex
• Rodríguez-González, A., “Aprendizaje automático aplicado al scouting futbolístico”, confidential, (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2018. BibTex
• Valero, D.., Nuevo Algoritmo de Clasificación Multietiqueta con Redes Bayesianas. Aplicación a un Problema Industrial, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2018. BibTex
• Villa-Blanco, C., “Estudio de la deriva térmica sobre una máquina de medición de alta precisión mediante análisis de regresión multi-respuesta”, confidential, (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2018. BibTex

2017

• Llera, M., A novel multi-dimensional regression model based on Gaussian Networks, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2017. BibTex
• Mesonero, J., Arquitectura para Detecci ́on de Anomal ́ıas en un Proceso de Templado Laser, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2017. BibTex
• Ogbechie, A., Using Dynamic Bayesian Networks for the Automated Visual Inspection and Analysis of an Industrial Laser Process, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2017. BibTex
• Vakaruk, S., Using Dynamic Bayesian Networks for the Automated Visual Inspection and Analysis of an Industrial Laser Process, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2017. BibTex

2016

• Atienza, D., Detección de anomalías durante un proceso de templado láser con un seguimiento espacio-temporal, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2016. BibTex
• Rodriguez-Sanchez, F., Multi-view clustering with Bayesian networks, , Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2016. BibTex

2015

• Anton-Sanchez, L., Computación evolutiva de bosques de expansión mínimos con restricción de grado y de rol, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2015. BibTex
• Córdoba-Sánchez, I., Fusión de redes Bayesianas Gaussianas, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2015. BibTex
• L. Lujan, R., Caracterización y simulación de arborizaciones dentríticas con redes bayesianas incluyendo variables angulares, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2015. BibTex
• Maraver, P., C. Bielza, and P.. Larrañaga, Clasificación supervisada de las neuronas de la base de datos NeuroMorpho, , 2015. BibTex

2014

• Benjumeda, M., Learning Bayesian Networks From Data by the Incremental Compilation of Polynomial Trees, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2014. BibTex
• Fernandez-Gonzalez, P., Contributions to the truncated von Mises Distribution for the Univariate and Bivariate case, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2014. BibTex
• Luengo-Sanchez, S., Clustering basado en redes bayesianas con predictoras continuas: aplicaciones en neurociencia, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2014. BibTex

2013

• Mihaljevic, B., BayesClass. An R package for learning Bayesian network classifiers. Applications to neuroscience, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2013. BibTex
• López-Adeva P. (2013). Markov models for the multivariate von Mises distribution.

2012

• Perez, J., Replicated Spatial Point Processes in Neuroscience, , (supervised by C. Bielza and P. Larrañaga), Departamento de Inteligencia Artificial, Universidad Politécnica de Madrid, 2012. BibTex

2010

• López-Cruz P. Simulación de morfologías dendríticas mediante redes Bayesianas.

2009

• Ibáñez A. Técnicas de aprendizaje automático aplicadas a la bibliometría.
• Abad M.A. Minería de datos dependiente del contexto en dispositivos ubicuos.