Miguel Angel Lozano

Investigador Asociado

Miguel Angel Lozano es Ingeniero en Informática (2001) y Doctor en Ingeniería Informática (2008) por la Universidad de Alicante. En 2002 obtuvo una beca FPI, y desde 2004 ha sido profesor en el Departamento de Ciencia de la Computación e Inteligencia Artificial de la Universidad de Alicante. Ha realizado estancias de investigación en el Computer Vision & Pattern Recognition Lab de la Universidad de York, y en el Bioinformatics Lab de la Universidad de Helsinki. Desde 2002 hasta 2010 desarrolló su investigación dentro del grupo Robot Visión Group (RVG), y en 2010 pasó a formar parte del Laboratorio de Investigación en Visión Móvil (MVRLab). Actualmente es director del grupo MVRLab, cuyas principales líneas de trabajo son el reconocimiento de patrones y la visión artificial sobre dispositivos móviles, director del Máster Universitario en Desarrollo de Software para Dispositivos Móviles, y Coordinador de Calidad e Innovación Educativa en la Escuela Politécnica Superior. Su investigación se centra en reconocimiento de patrones, matching y clustering de grafos y visión artificial. En 2008 defendió su tesis doctoral titulada “Kernelized Graph Matching and Clustering”. Dentro del MVRLab, y en colaboración con la empresa Neosistec, se han desarrollado diferentes aplicaciones móviles para la asistencia a personas con dificultades visuales: Detección de Obstáculos Aéreos (DOA), SuperVision y Navilens. DOA y Navilens fueron galardonadas con el premio “Application Mobile for Good” en la 7ª y 11ª edición de los premios de la Fundación Vodafone (2014, 2017), respectivamente.

En 2020, se incorporó en el equipo de Ciencia de Datos contra la COVID-19 del Gobierno de la Comunidad Valenciana. Este equipo participó y ganó el primer premio en la competición XPRIZE Pandemic Response Challenge. Desde entonces colabora con ELLIS y espera crecer tutorizando a dos estudiantes de doctorado de ELLIS PhD en la unidad ELLIS de Alicante.

Sitio web: https://sites.google.com/site/malozanohomepage/

Publicaciones en asociación con ELLIS Alicante.

2024

11/27

Gulati, A., Martinez-Garcia, M., Fernandez, D., Lozano, MA., Lepri, B., & Oliver, N. (2024). What is beautiful is still good: the attractiveness halo effect in the era of beauty filters. Royal Society Open Science, 11(11).

Top 5% de las publicaciones científicas según Altmetric

07/18

Gulati, A., Martinez-Garcia, M., Fernandez, D., Lozano, MA., Lepri, B., & Oliver, N. (2024). What is Beautiful is Still Good: The Attractiveness Halo Effect in the era of Beauty Filters. International Conference on Computational Social Science; International Conference on Thinking.

2023

12/01

Begga, A., Garibo I Orts, O., De Maria Garcia, S., Escolano, F., Lozano, M.A., Oliver, N., & Conejero, J.A. (2023). Predicting COVID19 pandemic waves including vaccination data with deep learning. Frontiers of Public health, 11, 1279364.

11/29

Németh, G. D., Lozano, M. A., Quadrianto, N., & Oliver, N. (2023). Addressing Membership Inference Attack in Federated Learning with Model Compression. arXiv preprint:2311.17750.

07/09

Gulati, A., Martinez-Garcia, M., Lozano, M. A., Lepri, B., & Oliver, N. (2023). The Beauty Survey - Study Registration. .

2022

12/21

Németh, G. D., Lozano, M. A., Quadrianto, N., & Oliver, N. (2022). A Snapshot of the Frontiers of Client Selection in Federated Learning. Transactions on Machine Learning Research.

09/27

Gulati, A., Lozano, M. A., Lepri, B., & Oliver, N. (2022). BIASeD: Bringing Irrationality into Automated System Design. Thinking Fast and Slow and Other Cognitive Theories in AI, AAAI Fall Symposium 2022.

07/22

Lozano, M.A., Garibo, O., Piñol, E., Rebollo, M., Polotskaya, K., Garcia-March, M. A., Conejero, J. A., Escolano, F., & Oliver, N. (2022). Open Data Science to fight COVID-19: Winning the 500k XPRIZE Pandemic Response Challenge. International Joint Conference on Artificial Intelligence Organization (IJCAI), 5304-5308.

Track de mejores articulos

2021

09/17

Lozano, M.A., Garibo, O., Piñol, E., Rebollo, M., Polotskaya, K., Garcia-March, M. A., Conejero, J. A., Escolano, F., & Oliver, N. (2021). Open Data Science to fight COVID-19: Winning the 500k XPRIZE Pandemic Response Challenge. Joint European Conference on Machine Learning and Knowledge Discovery in Databases, 384-399.

Premio a mejor artículo científico!