COMunicación y compuTACión inTeligentes y Sociales

COMTACTS

EL PROYECTO

RESUMEN

Los avances experimentados en el ámbito de la computación distribuida han permitido desarrollar sistemas de tratamiento e intercambio de información cada vez más potentes que suponen un aumento de señales y datos.

Al mismo tiempo se observa el auge de las aplicaciones surgidas en torno a los dispositivos de computación y comunicación de uso personal. En este marco se define la computación y la comunicación inteligentes y sociales como la hibridación de ambas disciplinas para afrontar retos de claro interés socio-económico.

Este proyecto aborda el diseño, desarrollo e implementación de productos, sistemas, programas y algoritmos de tratamiento de señal y comunicaciones, que hacen uso de arquitecturas de última generación, computación avanzada y comunicaciones eficientes en el marco de una computación y una comunicación inteligentes y orientadas a abordar retos sociales.

OBJETIVOS

El objetivo general de este proyecto es el diseño, desarrollo e implementación de productos, sistemas, programas y algoritmos que hagan uso de arquitecturas de última generación, computación avanzada y comunicaciones eficientes en el marco de una computación y una comunicación social e inteligente, todo ello aprovechando la composición y experiencia conjunta del Grupo de Investigación que lo sustenta.

El objetivo general del proyecto se puede refinar en varios objetivos específicos con vocación de transferencia, que pretenden reforzar y contextualizar en la presente propuesta los trabajos de cada línea de investigación y conseguir utilizar los recursos y desarrollos producidos por cada línea para afianzar los resultados de las restantes. Los objetivos específicos son los siguientes:

Vacio
Tratamiento de señal y datos
  • Diseño, implementación y optimización de algoritmos y sistemas de control distribuido de sonido con aplicaciones de entretenimiento, virtualización y mejora ambiental.
  • Diseño, implementación y optimización de algoritmos de tratamiento de señal para la toma de decisiones con aplicaciones sobre señales biomédicas, sonoras y financieras.
  • Diseño, implementación y optimización de algoritmos de tratamiento de imagen y señales biomédicas para ayuda al diagnóstico precoz y al análisis del comportamiento
Computación de Altas Prestaciones
  • Diseño, implementación y optimización de algoritmos matriciales y numéricos sobre arquitecturas paralelas de última generación.
  • Desarrollo de bibliotecas especializadas de altas prestaciones.
Arquitectura de Altas Prestaciones
  • Técnicas de escalabilidad consciente del consumo
  • Diseño de herramientas de computación de altas prestaciones consciente del consumo.
Comunicaciones
  • Diseño, implementación y optimización de algoritmos de precodificación, detección, decodificación, conformación de haz y corrección de errores en sistemas de comunicaciones con múltiples entradas y múltiples salidas (MIMO) con aplicación en sistemas de comunicaciones de próxima generación.
  • Diseño, implementación y optimización de algoritmos de toma de decisiones e intercambio de información, así como de prototipos prácticos centrados en el concepto global de inteligencia en el internet de las cosas (Internet of Things, IoT).

Junto a estos objetivos de carácter científico-técnico nos proponemos alcanzar también objetivos que complementen la labor científica facilitando el retorno social que se persigue en el proyecto:

  • Objetivo 10: Difusión y transferencia de resultados de investigación.
  • Objetivo 11: Integración social y perspectiva de género.

LÍNEAS DE INVESTIGACIÓN

La investigación del grupo en el presente proyecto se organiza en torno a cuatro líneas generales de investigación interrelacionadas. En cada línea se sigue una aproximación multidisciplinar en la resolución de los problemas planteados. 

Tratamiento de señal y datos

La actividad investigadora del grupo en esta línea se centra en diferentes aplicaciones del tratamiento digital de señales, principalmente sonoras, biomédicas e imágenes, así como de series temporales de carácter financiero. Ha participado y participa hoy en día en proyectos de investigación con financiación pública y privada y tiene probada experiencia en el uso de las más avanzadas técnicas de tratamiento digital de señales, por ejemplo: transformadas tiempo-frecuencia, análisis espectral, filtros adaptativos, procesado en “array”, separación de fuentes, procesado espacio-temporal, filtros no lineales, procesado de señal en grafos, análisis de componentes independientes, fusión de detectores/clasificadores, técnicas de segmentación, registro y clasificación de imagen (2D, 3D, multi e hiperespectral), etc. Como hitos de esta línea, de relevancia para la presente propuesta, cabe citar:

  • Desarrollo de sistemas de control y reproducción de campo sonoro en entornos localizados tanto en sistemas distribuidos como centralizados.

  • Programación eficiente de algoritmos complejos de tratamiento de señal en sistemas basados en procesadores multicore y manycore de propósito general.

  • Desarrollo de sistemas de ayuda al diagnóstico basados en tratamiento de imágenes y de señales biomédicas.

  • Desarrollo de sistemas de análisis de comportamiento humano mediante tratamiento de señales fisiológicas y análisis de vídeo e imagen.

  • Desarrollo de algoritmos de separación, detección y clasificación de señales mediante algoritmos centralizados y distribuidos.

  • Desarrollo de sistemas inteligentes de toma de decisiones a partir de información distribuida, multicanal y multimodal.

Comunicaciones

La actividad investigadora del grupo en esta línea se ha centrado en desarrollo de receptores MIMO, comunicaciones multi-usuario y sistemas coordinados. Se ha trabajado en el diseño de: algoritmos de detección MIMO basados en esquemas de búsqueda en árbol, precodificadores para sistemas multiusuario, sistemas de “beamforming” cooperativo y decodificadores iterativos. Siempre desde una perspectiva de computación eficiente en entornos mono y multiprocesador. Se ha avanzado también en el desarrollo de redes ad-hoc para la transmisión de datos, imágenes y vídeo, así como para la implementación de algoritmos de tratamiento de señal distribuido aplicando estrategias de “edge” y “green-computing”. Como hitos de esta línea, de relevancia para la presente propuesta, cabe citar:

  • Desarrollo de algoritmos iterativos de detección y decodificación de señal en sistemas “Large-MIMO”.
  • Desarrollo de un testbed propio desplegando una red de sensores distribuidos. Cada sensor de la red contiene una Ras- pberry Pi 3, un micrófono USB y una batería Además, como elementos adicionales se han realizado pruebas con un GPS conectado a través del puerto USB para proporcionar la ubicación del sensor.
  • Desarrollo de una librería de algoritmos de detección de señales de comunicaciones MIMO, MIMOPACK.
Computación de Altas Prestaciones

En el campo de la Ingeniería existen muchos problemas que pueden beneficiarse de la potencia computacional que ofrecen las arquitecturas actuales. Esta línea de investigación se centra en el desarrollo de algoritmos, programas y prototipos que permiten obtener productos de alta calidad utilizando la computación de altas prestaciones. Las investigaciones en este caso se han dirigido hacia el desarrollo de algoritmos paralelos eficientes que resolvieran los problemas y su implementación sobre clusters de PCs, arquitecturas multicore, o tarjetas de tipo GPU. Para ello han sido necesarios desarrollos específicos que replantearan los problemas abordados con el fin de hacer posible su implementación sobre arquitecturas paralelas, utilizando y desarrollando en su caso librerías de altas prestaciones para problemas de álgebra matricial numérica y/o desarrollando e implementando algoritmos específicos para las especificaciones concretas que surgen en estas aplicaciones. Como hitos de esta línea, de relevancia para la presente propuesta, cabe citar:

  • Desarrollo, implementación y paralelización de algoritmos eficientes en problemas de sonido 3D.
  • Resolución de problemas numéricos de electromagnetismo aplicado a las comunicaciones, utilizando computación de altas prestaciones, para el diseño de componentes pasivos en microondas.
  • Optimización computacional de la detección de símbolos digitales en sistemas de múltiple entrada múltiple salida (sistemas MIMO), mediante herramientas de altas prestaciones.
  • Simulación del comportamiento del tejido cardiaco utilizando GPU.
  • Diseño y realización de librerías numéricas de altas prestaciones: StructPack, NNMFPack, etc.
Arquitectura de Altas Prestaciones y aplicaciones

El objetivo principal de esta línea es la optimización de algoritmos numéricos sobre procesadores de propósito general (superescalares y VLIW), así como hardware específico (GPUs y FPGAs), y su paralelización sobre sistemas paralelos de paso de mensaje (principalmente clusters de computadores) y multiprocesadores con memoria compartida (SMPs, CC-NUMA, y procesadores multinúcleo). Los desarrollos en esta línea persiguen la aplicación de técnicas de computación paralela y de altas prestaciones en la solución de problemas que aparecen en: Teoría de Control, Química Computacional, Electromagnetismo, Ingeniería Aeronáutica, y aplicaciones científicas y de ingeniería en general. Estos desarrollos van ligados a los sistemas masivamente paralelos de última generación y pretenden además utilizar estos sistemas de forma sostenible haciendo una computación de altas prestaciones consciente del consumo. Como hitos principales de esta línea, de relevancia para la presente propuesta, cabe destacar:

  • Desarrollo de modelos, herramientas y aplicaciones específicas para una computación sostenible de altas prestaciones.
  • Desarrollo e implementación de bibliotecas y algoritmos paralelos conscientes del consumo para cálculo matricial con matrices densas.
  • Desarrollo de aplicaciones conscientes del consumo para Procesado de Señal sobre procesadores multicore, GPUs y computadores paralelos de última generación.

NOTICIAS

Subvención para infraestructuras y equipamiento I+D+i 2020-2021

La Generalitat Valenciana ha concedido al grupo de investigación asociado al proyecto una subvención para infraestructuras y equipamiento I+D+i para el periodo 2020-2021. Estas subvenciones tienen por objeto dotar de fondos, a las universidades públicas valencianas, consorcios públicos de investigación no sanitarios y organismos públicos de investigación de la Administración General del Estado ubicados en la Comunitat Valenciana, para la adquisición y actualización de infraestructuras, equipamientos y tecnologías de última generación de I+D+i, que les permita desarrollar actividades de investigación de excelencia.

DATOS DE LA SUBVENCIÓN:

Investigador Principal: Gonzalez, Alberto .
Proyecto: Comunicación y Computación Inteligentes y Sociales (IDIFEDER/2020/050).
Periodo: 01/01/20 – 01/01/22.
Infraestructura. GENERALITAT VALENCIANA.

Conferencia del profesor Mikael Sternad.

El pasado 9 de Diciembre el profesor Mikael Sternad de la Universidad de Uppsala visitó la UPV para impartir la conferencia  “Controlling the Impulse Responses and the Spatial Variability in Digital Loudspeaker-Room Correction”.

PUBLICACIONES

 

 2021

  • J.A, Belloch, G. León, J. Badía, A. Lindoso, E. San Millan. “Evaluating the computational performance of the Xiling Ultrascale+EG Heterogeneous MPSoC”. J of Supercomputing, Vol. 77, pp. 2124-2137, 2021. DOI https://doi.org/10.1007/s11227-020-03342-7.

  • J.A. Belloch, J.M. Badía, D.F. Larios, E. Personak. M. Ferrer, L. Fuster, E.S. Quintana-Orti. “On the performance of a GPU-based SoC in a distributed spatial audio System”. J. of Supercomputing, 2021.

  • G. García, A. Colomer, V. Naranjo. “Glaucoma Detection from Raw SD-OCT Volumes: A Novel Approach Focused on Spatial Dependencies”. Computer Methods and Programs in Biomedicine, Vol. 200, p. 105855, 2021.

  • S. Morales, A. Colomer, J.M. Mossi, R. del Amor, D. Woldbye, K. Klemp, V. Naranjo. Retinal layer segmentation in rodent OCT images: Local intensity profiles & fully convolutional neural networks.” Computer Methods and Programs in Biomedicine, Vol. 198, p. 105788, 2021.

  • P. Alonso, D. Davidovic, M. Sapunar, J. R. Herrero, E. S. Quintana. “Efficient update of determinants for many-electron wave function overlaps”.  Computer Physics Communications, Vol. 258, 107521, 2021.

  • P. Benner, E. Dufrechou, P. Ezzatti, R. Gallardo, E. S. Quintana. “Factorized solution of generalized stable Sylvester equations using many-core GPU accelerators”.  J. of Supercomputing, p.1-13, 2021. DOI: https://doi.org/10.1007/s11227-021-03658-y.

  •  S. Iserte, R. Mayo, E. S. Quintana, A. Peña.  “DMRlib: Easy-coding and efficient resource management for job malleability”.  IEEE Trans. on Computers, 2021. DOI:  10.1109/TC.2020.3022933.

     

  • P. San Juan, Rodríguez-Sánchez, F. D. Igual, P. Alonso, E. S. Quintana. “Low precision matrix multiplication for efficient deep learning in NVIDIA Carmelprocessors”. J. of Supercomputing, p. 1-13, 2021. DOI: https://doi.org/10.1007/s11227-021-03636-4.

  • E. Dufrechou, P. Ezzatti, E. S. Quintana. “Selecting optimal SpMV realisations for GPUs via machine learning”. Int. J. of High Performance Computing Applications. Vol. 35, no 3, p. 254-267, 2021.  DOI: https://doi.org/10.1177/1094342021990738.

     

  • G. Flegar, H. Anzt, T. Cojean, E. S. Quintana. “Adaptive precision block-Jacobi for high performance preconditioning in the Ginkgo linear algebra software”.  ACM Trans. on Mathematical Software. Vol. 47, no 2, p. 1-28, 2021.

2020 

    •  M. Barreda, M.F. Dolz, M.A. Castaño, P. Alonso-Jordá, E.S. Quintana-Orti. “Performance modeling of the sparse matrix–vector product via convolutional neuralnetworks”. J Supercomputing, Vol. 76, no. 11, pp. 883-8900, 2020. DOI:  https://doi.org/10.1007/s11227-020-03186-1.

    • A. Colomer, J. Igual, V. Naranjo. “Detection of Early Signs of Diabetic Retinopathy Based on Textural and Morphological Information in Fundus Images. Sensors, Vol. 20, no. 4, p. 1005, 2020.

    • M. Ferrer, M. De Diego, G. Piñero, A. Gonzalez, “ Affine Projection Algoritm Over Acoustic Sensor Networks for Active Noise Control”. Transactions on Audio, Speech and Language Procesing, Vol. 29, p. 448-461, 2020.

    •  V.M. Garcia-Molla, F.J. Martínez-Zaldívar, M.A Simarro, A. Gonzalez, “ Maximum likelihood low-complexity GSM detection for large MIMO Systems”. Signal Processing, Vol. 175, p. 107661, 2020. DOI:  https://doi.org/10.1016/j.sigpro.2020.107661.

    • P. Guzmán, P. Arce, J. C. Guerri. “Automatic QoE evaluation for asymmetric encoding of 3D videos for DASH streaming service”. Ad Hoc Networks, Vol. 106, p.102184, 2020.

    •  G. León, J.M Badía, J.A. Belloch, A. Lindoso, L. Entrena. “Evaluating the soft error sensitivity of a GPU-based SoC for matrix multiplication”. Microelectronics Reliability, Vol. 114 p.113856, 2020.

    • V. Moles-Cases, G. Piñero, M. De Diego, A. Gonzalez. “Personal Sound Zones by Subband Filtering and Time Domain”. Trans. on Audio, Speech and Language-Processing, Vol. 28, pp. 2684 – 2696, 2020. DOI: 10.1109/TASLP.2020.3023628.

    • P. San Juan, A. Castelló, M.F. Dolz, P. Alonso-Jordá, E.S. Quintana-Ortí. “High Performance and Portable Convolution Operators for ARM-based Multicore Processors”. arXiv preprint arXiv: arXiv:2005.06410v1.

    • del Amor, Rocío; Morales, Sandra; Colomer, Adrián; Mogensen, Mette; Jensen, Mikkel; Israelsen, Niels M. , Naranjo Ornedo, Valeriana. “Automatic Segmentation of Epidermis and Hair Follicles in Optical Coherence Tomography Images of Normal Skin by Convolutional Neural Networks”. Frontiers in Medicine , Vol 7, pp. 1 – 11, 2020. DOI: https://doi.org/10.3389/fmed.2020.00220

    • A. Castelló, R. Mayo, S. Seo, P. Balaji, E. S. Quintana, A. Peña.  “Analysis of threading libraries for high performance computing”. IEEE Trans. on Computers, Vol. 69(9), pp. 1279-1292, 2020.

    •  S. Catalán, A. Castelló, F. D. Igual, R. Rodríguez-Sánchez, E. S. Quintana. “Programming parallel dense matrix factorizations with look-ahead and OpenMP”. Cluster Computing, Vol. 23(1), pp. 359-375, 2020.

       

    • T. Grützmachar, T. Cojean, G. Flegar, H. Anzt, E. S. Quintana. “Acceleration of PageRank with customized precision based on mantissa segmentation”.  ACM Trans. on Parallel Computing, Vol. 7(1), pp. 1-19, 2020.

    • R. Iakymchuk, M. Barreda, M. Wiesenberger, J. I. Aliaga, E. S. Quintana. “Reproducibility strategies for parallel preconditioned Conjugate gradient”. J. of Computational and Applied Mathematics, Vol. 371, N. 112697, 2020.

    • R. Iakymchuk, M. Barreda, S. Graillat, José I. Aliaga, E. S. Quintana. “Reproducibility of parallel preconditioned Conjugate Gradient in hybrid programming environments”.  Int. J. of High Performance Computing Applications, Vol. 34(5), pp. 520-518, 2020.

    • F. D. Igual, R. Rodríguez-Sánchez, E. S. Quintana. “Integration and exploitation of intra-routine malleability in BLIS”.  J. of Supercomputing, 76, 2860-2875, 2020.

    • A. Tomás, E. S. Quintana. “Tall-and-skinny QR factorization with approximate Householder reflectors on graphics processors”.  J. of Supercomputing, 76, 8771-8786, 2020.

2019

    • I. Aliaga, E. Dufrechou, P. Ezzatti, E. S. Quintana. “An efficient GPU version of the preconditioned GMRES method”. J. of Supercomputing, Vol. 75(3), pp. 1455 1469, 2019. ISSN: 0920-8542.

    • I. Aliaga, E. Dufrechou, P. Ezzatti, E. S. Quintana. “Accelerating the task/data-parallel version of ILUPACK’s BiCG in multi-CPU/GPU configurations”. Parallel Computing, Vol. 85, pp. 79-87, 2019. ISSN: 0167-8191.

    • J. Alventosa, P. Alonso, A. M. Vidal, G. Piñero, E. S. Quintana. “Fast block QR update in digital signal processing”. J. of Supercomputing, Vol. 75(3), pp. 1051-1064, 2019. ISSN: 0920-8542.

    • Anzt, J. Dongarra, G. Flegar, E. S. Quintana. “Variable-size batched Gauss-Jordan elimination for block-Jacobi preconditioning on graphics processors”. Parallel Computing, Vol. 91, pp. 131-146, 2019. ISSN: 0167-8191.

    • Anzt, J. Dongarra, G. Flegar, N. Higham, E. S. Quintana. “Adaptive precision in block-Jacobi preconditioning for iterative sparse linear system solvers”. Concurrency and Computation: Practice & Experience, Vol. 31(6), pp. e4460, 2019. ISSN: 1532-0626.

    • Anzt, G. Flegar, T. Grützmacher, E. S. Quintana. “Towards a modular precision ecosystem for high performance computing”. Int. J. of High Performance Computing Applications, Vol. 33(6), pp. 1069-1078, 2019. ISSN: 1094-3420.

    • Anzt, J. Dongarra, E. S. Quintana. “Fine-grained bit-flip protection for relaxation methods”. J. of Computational Science, Vol. 36, pp. 1-11, 2019. ISSN: 1877-7503.

    • A. Belloch, J. M. Badía, M. Cobos, F. D. Igual, E. S. Quintana. “Accelerating the SRP-PHAT algorithm on multi and many-core platforms using OpenCL”. J. of Supercomputing, Vol. 75(3), pp. 1284-1297, 2019. ISSN: 0920-8542.

    • Carratalá-Sáez, S. Christophersen, J. I. Aliaga, V. Beltran, S. Börm, E. S. Quintana. “Exploiting nested task-parallelism in the H-LU factorization”. J. of Computational Science, Vol. 33, pp. 20-33, 2019. ISSN: 1877-7503.

    • Catalán, J. R. Herrero, E. S. Quintana, R. Rodríguez-Sánchez, R. van de Geijn. “A case for malleable thread-level linear algebra libraries: The LU factorization with partial pivoting”. IEEE Access, Vol. 7(1), pp. 17617-17633, 2019. ISSN: 2169-3536.

    • Díaz Pinto, S. Morales, V. Naranjo Ornedo, T.  Köhler, J.M.  Mossi García, A, Navea Tejerina. “CNNs for automatic glaucoma assessment using fundus images: an extensive validation”. BioMedical Engineering OnLine, Vol. 18, 2019.

    • Diaz-Pinto, S. Morales, V. Naranjo, A. Navea. “Computer-aided glaucoma diagnosis using stochastic watershed transformation on single fundus images”. Journal of Medical Imaging and Health Informatics, Vol. 9(6), pp. 1057-1065, 2019.

    • Diaz-Pinto, A. Colomer, V. Naranjo, S.  Morales, Y. Xu, A. Frangi. “Retinal image synthesis and semi-supervised learning for glaucoma assessment”. IEEE transactions on medical imaging, Vol. 38(9), pp. 2211-2218, 2019.

    • F. Dolz, F.J. Alventosa, P. Alonso-Jordá, A.M. Vidal. “A pipeline structure for the block QR update in digital signal processing” J Supercomputing, Vol. 75(3), pp. 1470-1482, 2019. https://doi.org/10.1007/s11227-018-2666-1.

    • Flegar, F. Scheidegger, V. Novakovic, G. Mariani, A. E. Tomás, A. C. M. Malossi, E. S. Quintana. “FloatX: A C++ library for customized floating-point arithmetic”. ACM Trans. on Mathematical Software, Vol. 45(4), 40:1-40:23, 2019. ISSN: 0098-3500.

    • M. García Mollá, P. San Juan-Sebastian, T. Virtanen, A.M. Vidal, P. Alonso-Jordá. “Generalization of the K-SVD algorithm for minimization of ß-divergence”. Digital Signal Processing, Vol 92, pp.47-53, 2019. https://doi.org/10.1016/j.dsp.2019.05.001.

    • Iakymchuk, S. Graillat, D. Defour, E. S. Quintana. “Hierarchical approach for deriving a reproducible unblocked LU factorization”. Int. J. of High Performance Computing Applications, Vol. 33(5), pp. 791-803, 2019. ISSN: 1094-3420.

    • Iserte, H. Martínez, S. Barrachina, M. Castillo, R. Mayo, A.J. Peña. ”Dynamic reconfiguration of noniterative scientific applications: A case study with HPG aligner”. The International Journal of High Performance Computing Application, Vol. 33(5), pp. 804-816, 2019. ISSN: 1094-3420.

    • Iserte, J. Prades, C. Reaño, F. Silla. “Improving the management efficiency of GPU workloads in data centers through GPU virtualization”. Concurrency & Computation: Practice & Experience, e5275, 2019. ISSN: 1532-0634.

    • León, C. González, R. Mayo, D. Mozos, E. S. Quintana. ”Noise estimation for hyperspectral subspace identification on FPGAs”. J. of Supercomputing, Vol. 75(3), pp. 1323-1335, 2019. ISSN: 0920-8542.

    • J. Muñoz-Montoro, J. Ranilla, P. Vera-Candeas, E.F. Combarro, P.  Alonso-Jordá. “Real-time Soundprism” J Supercomputing, Vol. 75, pp. 1594-1609, 2019.

    • Ramiro, M. A. Simarro, A. Gonzalez, V. M. Vidal. “Parallel SUMIS soft detector for large MIMO systems on multicore and GPU”. J Supercomputing, Vol. 75, pp. 1256-1267, 2019. https://doi.org/10.1007/s11227-018-2403-9.

    • Rodríguez-Sánchez, S. Catalán, J. R. Herrero, E. S. Quintana, A. E. Tomás. “Look-ahead in the two-sided reduction to compact band forms for symmetric eigenvalue problems and the SVD”. Numerical Algorithms, Vol. 80(2), pp. 635-660, 2019. ISSN: 1017-1398.

    • San Juan, T. Virtanen, V. M. Garcia-Molla, A.M. Vidal. “Analysis of an efficient parallel implementation of active-set Newton algorithm”. J Supercomputing, Vol. 75(3), pp. 1298-1309, 2019. https://doi.org/10.1007/s11227-018-2423-5.

    • Tomás, R. Rodríguez-Sánchez, S. Catalán, R. Carratalá, E. S. Quintana. “Dynamic look-ahead in the reduction to band form for the Singular Value Decomposition”. Parallel Computing, Vol. 81, pp. 22-31, 2019. ISSN: 0167-8191.

     

     

     

    2021

    • S. Catalán, F. D. Igual, R. Rodríguez, J. R. Herrero, E. S. Quintana. “A new generation of task-parallel algorithms for matrix inversion in many-threaded CPUs”. 12th International Workshop on Programming Models and Applications for Multicores and Manycores — PMAM 2021, p.1-10, 2021. DOI:  https://doi.org/10.1145/3448290.3448563.
    • A. Castelló, M. Catalán, M. F. Dolz, J. I. Mestre, E. S. Quintana, J. Duato. “Evaluation of MPI Allreduce for distributed training of convolutional neural networks”. 29th Euromicro Workshop on Parallel and Distributed Processing — PDP 2021,  Valladolid (España), IEEE, 2021. p. 109-116 DOI: 10.1109/PDP52278.2021.00025.
    • S. Catalán, F. D. Igual, R. Rodríguez-Sánchez, E. S. Quintana. “Scalable hybrid loop- and task-parallel matrix inversion for multicore processors”. 22nd Workshop on Parallel and Distributed Scientific and Engineering Computing with Applications — PDSEC’21, aceptado y pdte. de publicación. Portland (EE.UU.). 2021.

    2020

    •  G. Garcia, R. del Amor, A. Colomer, V. Naranjo. “Glaucoma Detection from Raw Circumpapillary Oct Images Using Fully Convolutional Neural Networks”. In 27th IEEE International Conference on Image Processing (ICIP 2020), pp. 2526 – 2530, 2020.
    • G. Safont, A. Salazar, A. Rodriguez, L. Vergara. “Multichannel Signal Processing for Road Surface Identification”. 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Barcelona, Spain, pp. 3052-3056, 2020. DOI: 10.1109/ICASSP40776.2020.9053361.
    •  G. Safont, A. Salazar, A. Rodríguez, L. Vergara. “Comparison of dimensionality reduction methods for road surface identification system”. Proceedings of Computing Conference 2020, SAI. Advances in Intelligent Systems and Computing, vol. 1229, pp. 554-563, London, UK, 2020.
    •  A. Salazar, G. Safont, L. Vergara. “Fraud detection using sequential patterns from credit card operations”. Proceedings of Computing Conference 2020, SAI. Advances in Intelligent Systems and Computing, vol. 1228, pp 287-296, London, UK, 2020.
    • D. Salvo, G. Piñero, P. Arce, A. Gonzalez. “A Low-cost Wireless Acoustic Sensor Network for the Classification of Urban Sounds”. The Seventeenth ACM International Symposium on Performance Evaluation of Wireless Ad Hoc, Sensor and Ubiquitous Networks, PEWASUN, 2020.
    • P. San Juan, A. Castelló, M. F. Dolz, P. Alonso-Jordá, E.S. Quintana-Orti.” High performance and portable convolution operators for multicore processors. In 2020 32nd International Symposium on Computer Architecture and High Performance Computing (SBAC-PAD 2020), pp. 91 – 98. Porto, Portugal, 2020.
    • M. A Simarro, V.M. Garcia-Molla, FJ. Martinez-Zaldivar, A. Gonzalez.” Low complexity Near-ML Sphere Decoding based on a MMSE ordering for Generalized Spatial Modulation”. PIMRC’20. IEEE 31st Annual International Symposium on Personal, Indoor and Mobile Radio Communications. London 2020.
    • J. I. Aliaga, H. Anzt, E. S. Quintana, A. E. Tomás, Y. M. Tsai. “Balanced and compressed coordinate layout for the sparse matrix-vector product on GPUs”. Lecture Notes in Computer Science, 18th Int. Workshop on Algorithms, Models and Tools for Parallel Computing on Heterogeneous Platforms — HeteroPAR’20,  Varsovia (Polonia). Vol. 12480. Nature Publishing Group, 2020. . DOI: 10.1007/978-3-030-71593-9_7.
    • F. Goebel, H. Anzt, T. Cojean, G. Flegar, E. S. Quintana. “Multiprecision block-Jacobi for iterative triangular solves”. Lecture Notes in Computer Science 12247, pp. 546-560, Euro-Par 2020,(Eds. M. Malawski, K. Rzadca). Varsovia (Polonia). 2020.
    • R. Carratalá, M. Faverge, G. Pichon, G. Sylvand, E. S. Quintana. “Tiled algorithms for efficient task-parallel H-matrix solvers”. 21st Workshop on Parallel and Distributed Scientific and Engineering Computing with Applications — PDSEC’20, pp. 757-766, 2020. Nueva Orleans (EE.UU.). 2020.

      2019

      • Anzt, Y.C. Chen, T. Cojean, J. Dongarra, G. Flegar, P. Nayak, E. S. Quintana, M. Tsai, W. Wang. “Towards continuous benchmarking: An automated performance evaluation framework for high performance software”. Platform for Advanced Scientific Computing Conference — PASC 2019, 9:1-9:11. Zurich (Suiza). 2019. ISBN: 978-1-4503-6770-7.
      • Dufrechou, P. Ezzatti, E. S. Quintana. “Automatic selection of sparse triangular linear system solvers on GPUs through machine learning techniques”. 28th Int. Symposium on Computer Architecture and High Performance Computing– SBAC-PAD 2019, pp. 41-47. Campo Grande (Brasil). 2019. ISBN: 978-1-7281-4194-7.
      • M. Garcia-Molla, A. Salazar, G. Safont, A. M. Vidal, L. Vergara. “ Parallelization of an algorithm for automatic classification of medical data”. International Conference on Computational Science (ICCS 2019) Faro, Portugal, 2019. DOI: 10.1007/978-3-030-22744-9_1.
      • Moles, G. Piñero, A. Gonzalez, M. de Diego. “Providing Spatial Control in Personal Sound Zones Using Graph Signal Processing”. 27th European Signal Processing Conference (EUSIPCO 2019) , A Coruña, Spain, 2019.
      • Safont, A. Salazar, L. Vergara. “New applications of late fusion methods for EEG signal processing”. Proceedings of 6th Annual Conf. on Computational Science & Computational Intelligence (CSCI’19), Las Vegas, Nevada, USA, 2019.
      • M. de Diego Antón, G. Piñero, A. Gonzalez, M. Ferrer Contreras, M. Moonen, A. Hassani, R-20688-2018 – “Multi-User Cooperative Active Noise Equalization System with personalized noise profiles”. US62/908,483. 30 Sep 2019.

      CONTACTO

      8 + 3 =