{"id":909,"date":"2026-02-18T11:35:06","date_gmt":"2026-02-18T10:35:06","guid":{"rendered":"https:\/\/grupo.us.es\/minerva\/?p=909"},"modified":"2026-02-18T11:35:06","modified_gmt":"2026-02-18T10:35:06","slug":"hefs-un-metodo-eficiente-y-sostenible-para-la-seleccion-de-caracteristicas-en-series-temporales","status":"publish","type":"post","link":"https:\/\/grupo.us.es\/minerva\/hefs-un-metodo-eficiente-y-sostenible-para-la-seleccion-de-caracteristicas-en-series-temporales\/","title":{"rendered":"HEFS, un m\u00e9todo eficiente y sostenible para la selecci\u00f3n de caracter\u00edsticas en series temporales"},"content":{"rendered":"<p><strong>El equipo formado por <a href=\"https:\/\/www.linkedin.com\/in\/fjgalansales\/\">Francisco Javier Gal\u00e1n Sales<\/a>, <a href=\"https:\/\/www.linkedin.com\/in\/manueljes%C3%BAsjim%C3%A9neznavarro\/\">Manuel Jes\u00fas Jim\u00e9nez Navarro<\/a>, <a href=\"https:\/\/www.linkedin.com\/in\/belen-vega-marquez-624054153\/\">Bel\u00e9n Vega M\u00e1rquez<\/a> y <a href=\"https:\/\/www.linkedin.com\/in\/josemluna\/\">Jos\u00e9 Mar\u00eda Luna Romera<\/a><\/strong> presenta Harmonic-Enhanced Feature Selection (HEFS), una innovadora metodolog\u00eda orientada a mejorar la precisi\u00f3n en predicci\u00f3n reduciendo el coste computacional y energ\u00e9tico.<\/p>\n<section>En este nuevo trabajo cient\u00edfico se introduce <strong>Harmonic-Enhanced Feature Selection (HEFS)<\/strong>,<br \/>\nun m\u00e9todo de selecci\u00f3n de caracter\u00edsticas basado en el an\u00e1lisis en frecuencia, dise\u00f1ado espec\u00edficamente<br \/>\npara tareas de <strong>predicci\u00f3n en series temporales<\/strong>.<\/p>\n<p>HEFS aprovecha la <strong>Transformada R\u00e1pida de Fourier (FFT)<\/strong> y las relaciones arm\u00f3nicas para identificar<br \/>\nlas variables temporales m\u00e1s relevantes, permitiendo construir modelos de <em>machine learning<\/em><br \/>\nm\u00e1s eficientes y sostenibles.<\/p>\n<p>\ud83d\udcd6 <strong>El art\u00edculo est\u00e1 disponible en acceso abierto (Open Access):<\/strong><br \/>\n\ud83d\udc49 <a href=\"https:\/\/doi.org\/10.1016\/j.suscom.2026.101324\" target=\"_blank\" rel=\"noopener noreferrer\">Leer el art\u00edculo completo<\/a><\/p>\n<\/section>\n<section>\n<h2>Machine Learning m\u00e1s eficiente y sostenible<\/h2>\n<p>Uno de los principales aportes de HEFS es su capacidad para:<\/p>\n<ul>\n<li>Mejorar la precisi\u00f3n en tareas de <strong>forecasting<\/strong>.<\/li>\n<li>Reducir el n\u00famero de caracter\u00edsticas necesarias en el modelo.<\/li>\n<li>Disminuir el coste computacional y el consumo energ\u00e9tico.<\/li>\n<li>Impulsar pr\u00e1cticas alineadas con el <strong>Green Computing<\/strong> y la <strong>Sustainable AI<\/strong>.<\/li>\n<\/ul>\n<p>En un contexto donde el impacto energ\u00e9tico de los modelos de inteligencia artificial es cada vez m\u00e1s relevante,<br \/>\npropuestas como HEFS suponen un avance significativo hacia <strong>pipelines de aprendizaje autom\u00e1tico m\u00e1s sostenibles<\/strong>.<\/p>\n<\/section>\n<section>\n<h2>Innovaci\u00f3n en selecci\u00f3n de caracter\u00edsticas para series temporales<\/h2>\n<p>La selecci\u00f3n de caracter\u00edsticas es un paso cr\u00edtico en el desarrollo de modelos predictivos.<br \/>\nHEFS introduce una perspectiva basada en el dominio frecuencial, aportando una alternativa s\u00f3lida<br \/>\na los m\u00e9todos tradicionales de selecci\u00f3n en el dominio temporal.<\/p>\n<p>Este trabajo refuerza la l\u00ednea de investigaci\u00f3n del grupo en \u00e1reas como:<\/p>\n<ul>\n<li><strong>Machine Learning aplicado a series temporales<\/strong><\/li>\n<li><strong>Optimizaci\u00f3n y eficiencia computacional<\/strong><\/li>\n<li><strong>Inteligencia Artificial sostenible<\/strong><\/li>\n<li><strong>Selecci\u00f3n de caracter\u00edsticas basada en frecuencia<\/strong><\/li>\n<\/ul>\n<\/section>\n","protected":false},"excerpt":{"rendered":"<p>El equipo formado por Francisco Javier Gal\u00e1n Sales, Manuel Jes\u00fas Jim\u00e9nez Navarro, Bel\u00e9n Vega M\u00e1rquez y Jos\u00e9 Mar\u00eda Luna Romera <a class=\"read-more\" href=\"https:\/\/grupo.us.es\/minerva\/hefs-un-metodo-eficiente-y-sostenible-para-la-seleccion-de-caracteristicas-en-series-temporales\/\">Leer m\u00e1s<\/a><\/p>\n","protected":false},"author":1,"featured_media":910,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[42],"tags":[63,64,65,59,66,56,62,67,60,61],"class_list":["post-909","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias","tag-fft","tag-forecasting","tag-green-computing","tag-hefs","tag-inteligencia-artificial-sostenible","tag-investigacion-en-ia","tag-machine-learning","tag-reduccion-de-coste-computacional","tag-seleccion-de-caracteristicas","tag-series-temporales","post-item clearfix"],"_links":{"self":[{"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/posts\/909","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/comments?post=909"}],"version-history":[{"count":0,"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/posts\/909\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/media\/910"}],"wp:attachment":[{"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/media?parent=909"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/categories?post=909"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/grupo.us.es\/minerva\/wp-json\/wp\/v2\/tags?post=909"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}