Ana Romero

Achieving effective generalization in machine learning models is particularly challenging with small datasets that have high dimensionality. The combination of numerous features and few training instances often results in overfitting and poor performance on unseen data. This study conducts an in-depth analysis of HYB-PARSIMONY’s performance on high-dimensional datasets and introduces a novel methodology that integrates HYB-PARSIMONY with Bayesian Optimization (BO) to address this issue through iterative feature and hyperparameter selection. The methodology employs HYB-PARSIMONY with multiple random seeds to identify features with the highest mean probability, followed by hyperparameter tuning using BO to further enhance model performance. The experimental results demonstrate that this combined approach leads to models that are not only parsimonious but also capable of generalizing better compared to previous methods. By iteratively refining feature selection and hyperparameters, the proposed approach provides a more robust framework for building accurate machine learning models, even in challenging problems with a large number of features. In conclusion, the integration of HYB-PARSIMONY and BO significantly improves model generalization and reduces feature complexity, making it a promising methodology for small and high-dimensional datasets.

Las patentes juegan un importante papel en el proceso innovador de cualquier país. El presente estudio quiere presentar las patentes como agentes fundamentales de intermediación entre la producción tecnocientífica y el uso que de ella hace la sociedad. El hecho de que las patentes incorporen a todos los actores que forman parte de este proceso (los investigadores, las instituciones científicas, los organismos de gestión del conocimiento, las empresas, etc.) las hace fundamentales a la hora de abordar este estudio. Partiendo de los datos en materia de patentes que genera el Consejo Superior de Investigaciones Científicas, se estudiará el uso inmediato que se hace de la tecnología patentada como ayuda necesaria para el desarrollo de I+D. Se estudiará la incidencia, que a más largo plazo, pueden tener las patentes en la industria y en las administraciones públicas a la hora de planificar actividades o diseñar de estrategias a seguir. Los estudios realizados hacen pensar en una posible relación directa entre política científica y patentes. Todo esto unido al estudio de casos concretos permitirá valorar en qué medida las patentes del CSIC han contribuido al desarrollo del estado de la técnica de un sector determinado, cómo ha sido la evolución tecnológica que se ha producido, cómo se ha generado la transferencia de tecnología, en qué medida las patentes del CSIC permiten hablar de un reflejo de políticas científicas anteriores, hasta que punto el nuevo conocimiento generado por las patentes repercute también una nueva forma de gestionarlo.