IEEE Symposium Series on Computational Intelligence se centra en el desarrollo y la aplicación de métodos computacionales capaces de aprender, adaptarse, optimizar decisiones y resolver problemas complejos. El congreso reúne investigaciones sobre redes neuronales, aprendizaje automático, computación evolutiva, inteligencia colectiva, sistemas difusos y técnicas híbridas, y analiza su utilización en ingeniería, salud, sostenibilidad, seguridad, finanzas, procesamiento de información y sistemas autónomos. Su estructura científica integra varios simposios especializados para favorecer el intercambio entre comunidades que comparten fundamentos algorítmicos, aunque trabajan sobre datos, restricciones y objetivos diferentes.
El objetivo científico principal consiste en impulsar modelos, algoritmos y sistemas que amplían las capacidades de la inteligencia computacional y demuestran su utilidad mediante análisis teóricos, experimentos, simulaciones o aplicaciones verificables. IEEE Symposium Series on Computational Intelligence recibe artículos completos y trabajos breves que presentan resultados originales. Cada contribución debe identificar un problema relevante, explicar el método propuesto, compararlo con alternativas apropiadas y aportar evidencia suficiente para determinar sus ventajas y limitaciones. La convocatoria también favorece la colaboración interdisciplinar y la transferencia de técnicas entre ámbitos científicos y tecnológicos.
La inteligencia computacional para energía, transporte y sostenibilidad ambiental constituye una de las líneas verificadas. Los artículos pueden estudiar predicción de demanda, gestión de redes energéticas, integración de fuentes renovables, planificación de movilidad y optimización de recursos. También pueden analizar monitorización ambiental, reducción de emisiones, adaptación frente a riesgos y sistemas de apoyo a decisiones. Estas investigaciones combinan datos heterogéneos, restricciones físicas e incertidumbre, por lo que necesitan modelos capaces de adaptarse a condiciones cambiantes sin perder estabilidad o interpretabilidad.
La aplicación de inteligencia computacional a la ingeniería y los sistemas ciberfísicos representa otro eje central. Los trabajos pueden abordar control inteligente, mantenimiento predictivo, automatización, gemelos digitales, robótica, Internet de las cosas y coordinación entre componentes físicos y digitales. También pueden estudiar infraestructuras y arquitecturas que permiten ejecutar algoritmos de inteligencia artificial de manera eficiente. Esta línea examina tanto la forma en que los métodos inteligentes mejoran los sistemas de ingeniería como las tecnologías que hacen posible desplegar modelos complejos bajo restricciones de tiempo, energía o capacidad de cálculo.
El procesamiento de imágenes, señales y medios sintéticos forma parte del programa científico. Los artículos pueden investigar reconocimiento, clasificación, segmentación, reconstrucción, detección de anomalías y generación de contenidos. También pueden estudiar audio, vídeo, señales biomédicas y datos obtenidos mediante sensores. La investigación sobre medios sintéticos incluye técnicas para crear, identificar, verificar o analizar contenido generado mediante modelos computacionales. Estos trabajos deben considerar precisión, robustez, procedencia de los datos y posibles usos indebidos.
La vida artificial y los sistemas inteligentes cooperativos constituyen otra línea destacada. Las contribuciones pueden estudiar agentes autónomos, comportamiento emergente, inteligencia de enjambre, sistemas multiagente, evolución artificial y coordinación distribuida. También pueden analizar cómo reglas locales producen patrones colectivos y cómo varias entidades comparten información o recursos para alcanzar objetivos. Esta investigación resulta relevante para robótica colectiva, simulación de sistemas complejos, planificación distribuida y análisis de organizaciones adaptativas.
La seguridad, la defensa y la biometría configuran otro simposio especializado. Los trabajos pueden desarrollar técnicas para detectar amenazas, identificar comportamientos anómalos, proteger infraestructuras y reconocer características biométricas. También pueden estudiar ataques contra modelos, manipulación de datos, evasión, privacidad y resistencia adversarial. La evaluación debe describir el modelo de amenaza, las condiciones de prueba y el equilibrio entre protección, precisión y coste operativo.
La inteligencia computacional aplicada a la salud y la medicina constituye una línea científica diferenciada. Los artículos pueden abordar diagnóstico asistido, análisis de imágenes y señales clínicas, predicción de riesgos, medicina personalizada y apoyo a decisiones. También pueden estudiar descubrimiento de biomarcadores, monitorización y modelos de progresión. Estas investigaciones deben prestar atención a la calidad de los datos, los sesgos, la incertidumbre y la necesidad de ofrecer resultados comprensibles para profesionales y pacientes.
La ingeniería financiera y la economía representan otro ámbito oficial. Los trabajos pueden investigar predicción, valoración, gestión de riesgos, optimización de carteras, detección de fraude y modelización de mercados. También pueden analizar decisiones económicas mediante aprendizaje automático, técnicas evolutivas o sistemas difusos. La investigación debe reconocer la naturaleza cambiante de los datos financieros y evitar que una evaluación basada en periodos limitados produzca conclusiones excesivamente generales.
El procesamiento del lenguaje natural y los medios sociales ocupan otra línea prioritaria. Los artículos pueden estudiar comprensión y generación de lenguaje, análisis de opiniones, recuperación de información, sistemas conversacionales y detección de desinformación. También pueden analizar redes sociales, difusión de contenidos y comportamiento colectivo. Los modelos generativos y multimodales pueden integrarse cuando la contribución evalúa su funcionamiento, sus errores y sus consecuencias dentro de tareas claramente definidas.
La inteligencia computacional confiable, explicable y responsable constituye un eje transversal. IEEE Symposium Series on Computational Intelligence promueve investigaciones sobre interpretabilidad, equidad, privacidad, seguridad, transparencia y rendición de cuentas. Los trabajos pueden desarrollar explicaciones, auditorías, métricas y mecanismos de supervisión. También pueden examinar cómo comunicar incertidumbre y permitir que una persona cuestione o corrija una decisión automatizada. Esta línea reconoce que el rendimiento predictivo no basta cuando un sistema afecta a derechos, oportunidades o recursos.
Los incubadores multidisciplinares completan la estructura científica y permiten explorar aplicaciones emergentes que conectan inteligencia computacional con otros campos. El encuentro se dirige a investigadores en inteligencia artificial, ingeniería, informática, salud, economía, sostenibilidad, procesamiento de señales y ciencias de datos, además de profesionales responsables de sistemas inteligentes. IEEE Symposium Series on Computational Intelligence contribuye al avance de la disciplina al reunir métodos, aplicaciones y criterios de responsabilidad dentro de un marco común. Su aportación favorece algoritmos más robustos, comprensibles y transferibles, capaces de responder a problemas complejos sin separar la innovación técnica de sus condiciones reales de uso.
Inteligencia computacional, inteligencia artificial, aprendizaje automático, redes neuronales, computación evolutiva, inteligencia de enjambre, sistemas difusos, optimización, sistemas ciberfísicos, control inteligente, energía, transporte, sostenibilidad, gemelos digitales, robótica, Internet de las cosas, procesamiento de imágenes, procesamiento de señales, medios sintéticos, vida artificial, sistemas multiagente, cooperación, ciberseguridad, biometría, salud digital, diagnóstico asistido, medicina personalizada, ingeniería financiera, economía computacional, procesamiento del lenguaje natural, medios sociales, modelos generativos, explicabilidad, interpretabilidad, inteligencia artificial responsable, equidad algorítmica, privacidad, robustez, aprendizaje multimodal, ciencia de datos.
