Intereses

Mi investigación se desarrolla en el ámbito del aprendizaje automático.
Estoy especialmente interesado en modelos probabilísticos y su aplicación en esta disciplina.
En concreto he aplicado la teoría de funciones cópula en diferentes ámbitos, tales como

  • Estimación de recursos eólicos
  • Detección de fraude electrónico
  • Modelado de datos longitudinales
  • Algoritmos de estimación de distribuciones (EDAs)
Recientemente, además, investigo en técnicas de detección y seguimiento visual, lo que me ha llevado a interesarme por el aprendizaje profundo.

Difusión de resultados

Consultoría y proyectos con empresa

  • AMS Geomatics (2018) Co-Investigador principal
  • BE CAE & Test (2021) Investigador principal
  • BielGlasses (2017, 18, 19, 20) Equipo investigador
  • Ecoembes (2017) Equipo investigador
  • EverVest (2014) Investigador principal
  • Navmii (2017) Equipo investigador
  • PatternEx (2016) Investigador principal
  • PixelLabs (2017, 21) Equipo investigador
  • Simbiotica (2018) Investigador principal

Proyectos competitivos

  • EyeOT Ojos inteligentes en gemelos digitales

    2022 -- 2024 Agencia Estatal de Investigación (PID2021-128362OB-I00) Co-Investigador principal
  • POLLUTWIN Gemelo Digital de Alta Fidelidad de las Fuentes Móviles de Contaminantes en Ciudades

    2022 -- 2024 Agencia Estatal de Investigación (TED2021-129162B-C22) Equipo investigador
  • FotoCaos Nuevos métodos computacionales para la simulación y optimización de procesos fotoquímicos

    2019 -- 2021 Comunidad de Madrid (Y2018/EMT-5062) Equipo investigador
  • SmartEyes Ojos inteligentes para ciudades inteligentes

    2019 -- 2021 MINECO (RTI2018-098743-B-I00) Co-Investigador principal
  • HARAMI Inteligencia artificial y métodos matemáticos avanzados para el reconocimiento automático de actividades humanas en sistemas de inteligencia ambiental

    2016 -- 2018 MINECO (TIN2015-69542-C2-1-R) Equipo investigador
  • IYELMO Plataforma de Servicios en la nube para operaciones en mercados financieros

    2011 -- 2014 INNPACTO – IPT-2011-1198-430000 Equipo investigador
  • TEDICO Técnicas en el espacio de parámetros, multifrecuenciales y de cálculo de orden fraccional, para el diseño de controladores

    2004 -- 2007 CICYT - DPI2004-05903 Doctorando

Proyectos y estancias postdoctorales

  • Massachusetts Institute of Technology Invitado por Dr. Kalyan Veeramachaneni (LIDS)

    Enero, 2018
  • Massachusetts Institute of Technology Invitado por Dra. Una-May O'Reilly (CSAIL)

    Septiembre -- Diciembre, 2010 Septiembre -- Diciembre, 2013
  • University of New Mexico Time Series Analysis and Prediction using Copulas and Wavelets. Applications in Control Engineering

    Enero -- Agosto 2009 Ayuda a la investigación José Castillejo (JC2008-00421)
  • RCC at Harvard Design of Control Systems regarding Stochastic Dependencies

    Sept--Dec. 2008, 2009, 2010 Ayuda a la investigación del RCC at Harvard

Publicaciones destacadas

  • S Hernandez-Garcia, A Cuesta-Infante, J.A. Moreno-SanSegundo and A.S. Montemayor: "Deep reinforcement learning for automated search of model parameters: Photo-Fenton wastewater disinfection case study”. Neural Computing and Applications, 35(2): 1379-1394 (2023)
  • L. Llopis-Ibor, C. Beltran-Royo, J.J. Pantrigo, A. Cuesta-Infante: "Fast Incremental Learning by Transfer Learning and Hierarchical Sequencing”. Expert Systems with Applications, 212, 118580 (2023)
  • L. Xu, A. Cuesta-Infante, L. Berti-Équille, K. Veeramachaneni: "R & R: Metric-guided Adversarial Sentence Generation". Findings of AACL/IJCNLP, 438-452 (2022).
  • L. Xu, L. Berti-Equille, A. Cuesta-Infante, K. Veeramachaneni: "In situ Augmentation for Defending Against Adversarial Attacks on Text Classifiers". KDD Workshop on Adversarial Machine Learning (2022). Premio al mejor artículo.
  • Y. Sun, I. Ramírez, A. Cuesta-Infante, K. Veeramachaneni: "Towards Reducing Biases in Combining Multiple Experts Online". IJCAI, 3024-3030 (2021)
  • A. Geiger, D. Liu, S. Alnegheimish, A. Cuesta-Infante, K. Veeramachaneni: "TadGAN: Time Series Anomaly Detection Using Generative Adversarial Networks". IEEE Int. Conf. on Big Data, 33-43 (2020)
  • I. Ramírez, A. Cuesta-Infante, E. Schiavi, J.J. Pantrigo: "Bayesian Capsule Networks for 3D human pose estimation from single 2D images". Neurocomputing, 379: 67-73 (2020)
  • I. Ramírez, A. Cuesta-Infante, J.J. Pantrigo, A.S. Montemayor, et al.: "Convolutional neural networks for computer vision-based detection and recognition of dumpsters". Neural Computing and Applications 32(17): 13203-13211 (2020)
  • L. Xu, M. Skoularidou, A. Cuesta-Infante, K. Veeramachaneni: "Modeling Tabular data using Conditional GAN". NeurIPS, 7333-7343 (2019)
  • Y. Sun, A. Cuesta-Infante, K. Veeramachaneni: "Learning Vine Copula Models For Synthetic Data Generation". AAAI, 5049-5057 (2019)
  • T. Swearingen, W. Drevo, B. Cyphers, A.Ross, A. Cuesta-Infante, K. Veeramachaneni: "ATM: A distributed, collaborative, scalable system for automated machine learning". IEEE Int. Conf. on Big Data, 151-162 (2017)
  • I. Arnaldo, A. Cuesta-Infante, A. Arun, M. Lam, C. Bassias, K. Veeramachaneni: Learning Representations for Log Data in Cybersecurity. Int. Symp. on Cyber Security Cryptography and Machine Learning, 250-268, (2017)
  • B. Lacabex, A. Cuesta-Infante, A.S. Montemayor, J.J. Pantrigo: Lightweight tracking-by-detection system for multiple pedestrian targets. Integrated Computer-Aided Engineering 23(3): 299-311 (2016)
  • K. Veeramachaneni, A. Cuesta-Infante, U.M. O'Reilly: Copula Graphical Models for Wind Resource Estimation. IJCAI 2015: 2646-2654
  • J.I. Hidalgo, J.M. Colmenar, J.L. Risco-Martín, A. Cuesta-Infante, E. Maqueda, M. Botella, J.A. Rubio: Modeling glycemia in humans by means of Grammatical Evolution. Applied Soft Computing 20: 40-53 (2014)
  • Más en ORCID ( 0000-0002-3328-501X ) , Scopus ( 35955730700 ) , Publons/WoS ( L-3708-2014 ) , Google Scholar ( OQsC-14AAAAJ ) y DBLP ( Q58993442 )

Docencia

desde 2016 Universidad Rey Juan Carlos


Seguridad Informática, Sistemas de Información, Desarrollo de Videojuegos con Inteligencia Artificial, Ingeniería de Videojuegos

1999-2015 C.E.S. Felipe II
(Universidad Complutense de Madrid)


Diseño Lógico, Laboratorio de Estructura y Tecnología de Computadores, Redes, Seguridad Informática, Repositorios y Minería de datos

2009 Problemas de Estructura y Arquitectura de Computadores


A. Cuesta, J.I. Hidalgo, J. Lanchares, J.L. Risco.
ISBN: 97-884832259-1-2, Ed. Pearson.

Formación

  • Doctor en Ingeniería Informática UNED

    2016
  • Licenciado en Ciencias Físicas UCM

    1998
  • Categoría Titular de Universidad

    2021