
José C. Riquelme
PERFIL INVESTIGADOR · MINERVA
José Cristóbal Riquelme Santos
José Cristóbal Riquelme Santos forma parte del equipo de Minerva, grupo de investigación en inteligencia artificial y ciencia de datos de la Universidad de Sevilla.
Investigación
Su producción científica incluye trabajos sobre aprendizaje automático, selección de características, agrupamiento de datos y predicción de series temporales.
Perfil de José Cristóbal Riquelme Santos en PRISMA · Proyectos y contratos del grupo · Equipo de Minerva
Publicaciones de José Cristóbal Riquelme Santos
Artículos, contribuciones a congresos y otras publicaciones vinculadas a este perfil. Puedes consultar también el catálogo completo de publicaciones de Minerva.
2026
Interpretable Multilevel Analysis of Wind Turbine Operation Data via a Recursive Unsupervised and LLM-Assisted Framework Proceedings Article
En: Communications in Computer and Information Science, pp. 171–182, 2026.
Deep Learning or Trees? A Trade-off Analysis for Multivariate Time Series Forecasting Proceedings Article
En: Lecture Notes in Computer Science, pp. 616–627, 2026.
Enhancing energy availability based on explainable two-level clustering for root-cause diagnosis of production loss events in wind farms Artículo de revista
En: RENEWABLE ENERGY, vol. 267, 2026.
GAUFS: Genetic Algorithm for Unsupervised Feature Selection for clustering Artículo de revista
En: KNOWLEDGE-BASED SYSTEMS, vol. 350, 2026.
Exploring Zero-Shot Learning for Time Series Forecasting Using Large Language Models Book Section
En: Communications in Computer and Information Science, vol. 2806 CCIS, pp. 217–226, 2026.
Improving Liver Graft Decision-Making Through AI: Validation with Internal and National Datasets Proceedings Article
En: Lecture Notes in Computer Science, pp. 149–162, 2026.
MuDeNet: A multi-patch descriptor network for anomaly modeling Artículo de revista
En: INFORMATION FUSION, vol. 132, pp. 104214–104214, 2026.
Tree-based vs. deep learning in time series: A prescriptive framework for performance-driven model selection Artículo de revista
En: APPLIED SOFT COMPUTING, vol. 195, pp. 114983 -, 2026.
2024
Evolutionary Feature Selection for Time-Series Forecasting Artículo de revista
En: Proceedings of the 39th ACM/SIGAPP Symposium on Applied Computing, vol. N/A, pp. 395-399, 2024.
Multi-Objective Lagged Feature Selection Based on Dependence Coefficient for Time-Series Forecasting Artículo de revista
En: Lecture Notes in Computer Science, vol. N/A, pp. 81-90, 2024.
Advancing unsupervised anomaly detection with normalizing flow and multi-scale ensemble learning Artículo de revista
En: Engineering Applications of Artificial Intelligence, vol. 137, pp. 109088, 2024.
Semi-real-time decision tree ensemble algorithms for very short-term solar irradiance forecasting Artículo de revista
En: International Journal of Electrical Power & Energy Systems, vol. 158, pp. 109947, 2024.
Addressing energy challenges in Iraq: Forecasting power supply and demand using artificial intelligence models Artículo de revista
En: Heliyon, vol. 10, pp. e25821, 2024.
Preface Book Section
En: Lecture Notes in Computer Science, vol. 14640 LNAI, pp. v–vi, 2024, (Tipo en PRISMA: Editorial.).
An empirical analysis of the relationship among price, demand and CO2 emissions in the Spanish electricity market Artículo de revista
En: Heliyon, vol. 10, pp. e25838, 2024.
Detección de objetos con enfoque semi-supervisado en vehículos autónomos Proceedings Article
En: XX Conferencia de la Asociación Española para la Inteligencia Artificial. CAEPIA 2024, pp. 549–554, 2024.
Técnicas Big Data para la predicción de la demanda y precio eléctrico Artículo de revista
En: Economía Industrial, no 431, pp. 119–130, 2024.
2023
Forecasting solar energy production in Spain: A comparison of univariate and multivariate models at the national level Artículo de revista
En: Applied Energy, vol. 350, pp. 121645, 2023.
Short-term solar irradiance forecasting in streaming with deep learning Artículo de revista
En: Neurocomputing, vol. 546, pp. 126312, 2023.
Efficient Short-Term Time Series Forecasting with Regression Trees Artículo de revista
En: Lecture Notes in Networks and Systems, vol. N/A, pp. 101-110, 2023.
- riquelme@us.es
- +(34) 954 552 775
- Universidad de Sevilla. ETSII. F1.54
