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.

2023

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.

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.

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

2022

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.

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.

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

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!