DC 4

Aprendizaje federado con modelos de reglas descriptivas supervisadas para extraer conocimiento explicable y confiable

María Asunción Padilla-Rascón (presents the paper)

Aprendizaje de representaciones para una IA confiable y sostenible

David de la Rosa de la Rosa (presents the paper)

Nuevos paradigmas para el diseño de arquitecturas de redes profundas híbridas explicables en series temporales

Manuel Germán Morales (presents the paper)

Towards Trustworthy Recommender Systems through Uncertainty Quantification

Mateus Toledo da Silveira Leao (presents the paper)

Algoritmos heurísticos para el embebido de grafos con signo en estructuras cíclicas

Marcos Robles (presents the paper)

Machine Learning-Guided Metaheuristics for Solving Facility Location Problems

Lucas Martín-García (presents the paper)

Interpretable Weak Labelling of Time Series through Motif Discovery and Structured Temporal Representations

Christian Luna (presents the paper)