Saltar al contenido

Marco Pinto-Orellana

Profesor asistente, Rochester Institute of Technology

Resumen de mi investigación sobre señales cerebrales, en cuatro niveles de modelado de univariado a multivariado: el espectro estacionario (COFRE), el espectro variable en el tiempo (DASAR), la conectividad en el dominio del tiempo (MCLM, magnitud máxima de retardo cruzado) y la conectividad entre frecuencias (SCAU, causalidad espectral).

Soy científico de la computación y trabajo en el análisis de señales cerebrales. Desarrollo herramientas para el procesamiento de series de tiempo, el descubrimiento de patrones y el análisis causal.

En este sitio publico mis proyectos y textos técnicos sobre procesamiento de señales, teoría de tipos, neurociencia y estadística. La mayoría están en inglés; los que también existen en español aparecen abajo.

Artículos recientes

  • Optimización en Python y PuLP

    Localización de servicios, el problema de las p-medianas, el vendedor viajero y el ruteo de vehículos, escritos como programas lineales enteros y resueltos en Python.

Todos los artículos →

Investigación destacada

Publicaciones seleccionadas

  1. Pinto-Orellana M., Ombao H., Lopour B. (2023). Statistical Inference for Modulation Index in Phase-Amplitude Coupling.

    Preprint arXiv:2310.05398

  2. Ombao H., Pinto-Orellana M. (2022). Spectral dependence. Econometrics and Statistics.

    doi:10.1016/j.ecosta.2022.10.005

  3. Pinto-Orellana M., Mirtaheri P., Hammer H. (2021). COFRE: Complex narrow-bandpass filters for very-low-frequency tracking in tinnitus identification.

    Preprint arXiv:2105.13476

  4. Pinto-Orellana M., Mirtaheri P., Hammer H., Ombao H. (2021). SCAU: Modeling spectral causality for multivariate time series with applications to electroencephalograms.

    Preprint arXiv:2105.06418

  5. Cruz M., Pinto-Orellana M., Gillen D., Ombao H. (2020). RITS: A Toolbox for Assessing Complex Interventions via Interrupted Time Series.. BMC Medical Research Methodology.

    doi:10.1186/s12874-021-01322-w

  6. Pinto-Orellana M., Hammer H. (2020). Dyadic Aggregated Autoregressive Model (DASAR) for Automatic Modulation Classification.. IEEE Access.

    doi:10.1109/ACCESS.2020.3019243

Todas las publicaciones →