Andrés Cano Utrera

• Artículos de revistas (5)
• Colaboraciones en obras colectivas (4)
• Tesis (1)
• Tesis dirigidas (5)

• Artículos de revistas

  • Seleccionado

    Máster en Ciencia de Datos e Ingeniería de Computadores: una apuesta por la formación especializada en el sector de las TIC

    Andrés Cano Utrera, Fernando José Rojas Ruiz , Manuel Gómez Olmedo , Julio Ortega Lopera , Francisco Herrera Triguero , Rocío C. Romero Zaliz , Jesús González Peñalver

    Enseñanza y aprendizaje de ingeniería de computadores: Revista de Experiencias Docentes en Ingeniería de Computadores, ISSN-e 2173-8688, Nº. 5, 2015, págs. 5-16

    • Resumen
    • Texto completo
    
  • Seleccionado

    Reasoning with imprecise probabilities

    Andrés Cano Utrera, Fabio G. Cozman, Thomas Lukasiewicz

    International journal of approximate reasoning, ISSN 0888-613X, Vol. 44, Nº 3, 2007, págs. 197-199

    
  • Seleccionado

    Hill-climbing and branch-and-bound algorithms for exact and approximate inference in credal networks

    Andrés Cano Utrera, Manuel Gómez Olmedo , Serafín Moral Callejón , Joaquín Abellán Mulero

    International journal of approximate reasoning, ISSN 0888-613X, Vol. 44, Nº 3, 2007, págs. 261-280

    • Resumen
    
  • Seleccionado

    A forward-backward Monte Carlo method for solving influence diagrams

    Serafín Moral Callejón , Andrés Cano Utrera, Manuel Gómez Olmedo

    International journal of approximate reasoning, ISSN 0888-613X, Vol. 42, Nº 1, 2006, págs. 119-135

    
  • Seleccionado

    Different strategies to approximate probability trees in penniless propagation

    S. Moral, Andrés Cano Utrera, A. Salmeron

    Inteligencia artificial: Revista Iberoamericana de Inteligencia Artificial, ISSN-e 1988-3064, ISSN 1137-3601, Vol. 6, Nº. 15, 2002 (Ejemplar dedicado a: Especial CAEPIA-TTIA 2001)

    • Texto completo
    

• Colaboraciones en obras colectivas

  • Seleccionado

    Virtual subconcept drift detection in discrete data using probabilistic graphical models

    Rafael Cabañas de Paz, Andrés Cano Utrera, Manuel Gómez Olmedo , Andrés Ramón Masegosa Arredondo , Serafin Moral

    Information Processing and Management of Uncertainty in Knowledge-Based Systems. Applications: 17th International Conference, IPMU 2018, Cádiz, Spain, June 11-15, 2018, Proceedings, Part III / Jesús Medina Moreno (ed. lit.) , Manuel Ojeda Aciego (ed. lit.) , José Luis Verdegay Galdeano (ed. lit.) , Irina Perfilieva (ed. lit.), Bernadette Bouchon Meunier (ed. lit.) , Ronald R. Yager (ed. lit.), 2018, ISBN 978-3-319-91478-7, págs. 616-628

    
  • Seleccionado

    A linear programming based approach for evaluating interval-valued influence diagrams

    Rafael Cabañas de Paz, Andrés Cano Utrera, Manuel Gómez Olmedo , Alessandro Antonucci

    XVIII Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA 2018): avances en Inteligencia Artificial. 23-26 de octubre de 2018 Granada, España / coord. por Francisco Herrera Triguero , Alicia Troncoso Lara , Sergio Damas Arroyo , 2018, ISBN 978-84-09-05643-9, págs. 13-14

    
  • Seleccionado

    Propagación exacta y aproximada mediante árboles de probabilidad en redes causales

    Andrés Cano Utrera, Serafin Moral

    CAEPIA'97: actas / coord. por Asociación Española de Inteligencia Artificial, Vicente J. Botti Navarro , 1997, ISBN 84-8498-765-5, págs. 635-644

    • Resumen
    
  • Seleccionado

    A Genetic Algorithm to Approximate Convex Sets of Probabilities

    Serafín Moral, Andrés Cano Utrera

    Sixth International Conference IPMU : Information Processing and Management of Uncertainty in Knowledge-Based Systems: Proceedings, july 1-5, Granada, España, Vol. 2, 1996, ISBN 8482540785, págs. 847-852

    

• Tesis

  • Seleccionado

    Propagación aproximada de intervalos de probabilidad en grafos de dependencias.

    Andrés Cano Utrera

    Tesis doctoral dirigida por Serafín Moral Callejón (dir. tes.) . Universidad de Granada (1999).

    • Resumen
    • Tesis en acceso abierto en: DIGIBUG
    

• Tesis dirigidas

  • Seleccionado

    Desarrollo de nuevos métodos de inferencia y aprendizaje en modelos gráficos probabilísticos con probabilidades imprecisas

    Ofelia Paula Retamero Pascual

    Tesis doctoral dirigida por Manuel Gómez Olmedo (codir. tes.) , Andrés Cano Utrera (codir. tes.). Universidad de Granada (2023).

    • Resumen
    • Tesis en acceso abierto en: DIGIBUG
    
  • Seleccionado

    New methods and data structures for evaluating influence diagrams

    Rafael Cabañas de Paz

    Tesis doctoral dirigida por Andrés Cano Utrera (dir. tes.), Manuel Gómez Olmedo (codir. tes.) . Universidad de Granada (2017).

    • Resumen
    • Tesis en acceso abierto en: DIGIBUG
    
  • Seleccionado

    New data structures and algorithms for uncertainty treatment with probabilistic graphical models

    Cora Beatriz Pérez Ariza

    Tesis doctoral dirigida por Andrés Cano Utrera (dir. tes.), Antonio Salmerón Cerdán (codir. tes.) , Manuel Gómez Olmedo (codir. tes.) . Universidad de Granada (2013).

    • Resumen
    • Tesis en acceso abierto en: DIGIBUG
    
  • Seleccionado

    Models of supervised classification. Applications to genomics and information retrieval

    Andrés Ramón Masegosa Arredondo

    Tesis doctoral dirigida por Andrés Cano Utrera (dir. tes.), Serafín Moral Callejón (dir. tes.) . Universidad de Granada (2009).

    • Resumen
    
  • Seleccionado

    Modelos bayesianos para la clasificación supervisada. Aplicaciones al análisis de datos de expresión genética

    Francisco Javier García Castellano

    Tesis doctoral dirigida por Serafín Moral Callejón (dir. tes.) , Andrés Cano Utrera (dir. tes.), Luis Miguel de Campos Ibáñez (dir. tes.) . Universidad de Granada (2009).

    • Resumen
    • Tesis en acceso abierto en: DIGIBUG
    

Esta página recoge referencias bibliográficas de materiales disponibles en los fondos de las Bibliotecas que participan en Documat. En ningún caso se trata de una página que recoja la producción bibliográfica de un autor de manera exhaustiva. Nos gustaría que los datos aparecieran de la manera más correcta posible, de manera que si detecta algún error en la información que facilitamos, puede hacernos llegar su Sugerencia / Errata.