Alberto Sorrentino
Informazioni generali e contatti
Dipartimento: DIMAUfficio: 822Orario di ricevimento: su appuntamentoTelefono: 00390103536822Email: Questo indirizzo e-mail รจ protetto dallo spam bot. Abilita Javascript per vederlo. Homepage: www.dima.unige.it/~sorrentinoInsegnamenti
- Analisi Matematica I (A.A. 2019/2020) (1° LT)
Lunedì: 11:00 - 13:00, aula 508 - Calcolo Numerico (A.A. 2019/2020) (1° LM; 3° LT)
- Problemi inversi e applicazioni (A.A. 2019/2020) (1° LM)
- Statistica Descrittiva (A.A. 2019/2020) (1° LT)
Insegnamenti precedenti
A.A 2018/2019
- Analisi Matematica I (A.A. 2018/2019) (1° LT)
- Calcolo Numerico (A.A. 2018/2019) (3° LT)
- Problemi inversi e applicazioni (A.A. 2018/2019) (1° LM)
- Statistica Descrittiva (A.A. 2018/2019) (1° LT)
Curriculum
Laurea in Fisica nel 2003, Dottorato di Ricerca in Fisica nel 2007, tesi di dottorato dal titolo "Particle Filters for Magnetoencephalography".
La mia attivita' di ricerca riguarda lo studio e l'implementazione di metodi matematici e statistici per la risoluzione di problemi inversi in neuroscienze, astronomia, fisica dell'atmosfera, medical imaging.
Tra i problemi di cui mi occupo: localizzazione di attivita' neurale a partire da misure di Elettro/Magneto-encefalografia; stima di connettivita' neurale; ricostruzione di flares solari a partire da misure di raggi X da satellite; ricostruzione del profilo aerosolico a partire da misure LIDAR; correzione della distorsione geometrica in immagini di risonanza magnetica.
Tra i metodi di cui mi occupo: metodi Bayesiani con tecniche Monte Carlo sequenziali ("particle filtering", "particle smoothing", "SMC samplers"); algoritmi di regolarizzazione, sia con metodi Maximum Likelihood, sia con metodi Bayesiani, che utilizzano tecniche di ottimizzazione ("Expectation Maximization", "gradient splitting methods").
Pubblicazioni
F. Sciacchitano, S. Lugaro and A. Sorrentino
Sparse Bayesian Imaging of Solar Flares
SIAM Journal on Imaging Sciences -- accepted
arXiv:1807.11287
G. Luria, D. Duran, E. Visani, S. Sommariva, F. Rotondi, D. Rossi Sebastiano, F. Panzica, M. Piana and A. Sorrentino
Bayesian Multi--Dipole Modeling in the Frequency Domain
The Journal of Neuroscience Methods (2018)
arXiv:1808.08086
F. Sciacchitano, A. Sorrentino, A.G. Emslie, A.M. Massone and M. Piana
Identification of multiple hard X-ray sources in solar flares: A Bayesian analysis of the February 20 2002 event
The Astrophysical Journal 862:68 (2018)
arXiv:1801.09141
S. Sommariva, A. Sorrentino, M.Piana, V. Pizzella and L. Marzetti
A comparative analysis of the robustness of frequency--domain connectivity measures to finite data length
Brain Topography (2017)
arXiv:1711.03332
F. Rossi, G. Luria, S. Sommariva and A. Sorrentino
Bayesian multi-dipole localization and uncertainty quantification from simultaneous EEG and MEG recordings
EMBEC 2017, IFMBE Proceedings, vol 65 (2018)
arXiv:1706.06089 [q-bio.QM]
G. Denevi, S. Garbarino and A. Sorrentino
Iterative algorithms for a non-linear inverse problem in atmospheric lidar
Inverse Problems 33 Num. 8 085010 (2017)
arXiv:1706.06050 [math.NA]
A. Sorrentino and M. Piana
Inverse Modeling for MEG/EEG data
in Mathematical and Theoretical Neuroscience, Springer (2017)
arXiv:1705.02867 [math.NA]
S. Garbarino, A. Sorrentino, A.M. Massone, A. Sannino, A. Boselli, X. Wang, N. Spinelli, and M. Piana
Expectation maximization and the retrieval of the atmospheric extinction coefficients by inversion of Raman lidar data
Optics Express volume 24 issue 19 pp. 21497-21511 (2016)
arXiv:1608.07841 [math.NA]
V. Vivaldi and A. Sorrentino
Bayesian smoothing of dipoles in Magneto-/Electro-encephalography
Inverse Problems 32 vol.4 045007 (2016)
arXiv:1602.04003 [math.NA]
S. Sommariva and A. Sorrentino
Sequential Monte Carlo samplers for semi-linear inverse problems and application to Magnetoencephalography
Inverse Problems, 30 114020 (2014)
arXiv:1409.8109 [stat.AP]
A. Sorrentino, G. Luria and R. Aramini, Bayesian Multi-Dipole Modeling of a Single Topography in MEG by Adaptive Sequential Monte Carlo Samplers, Inverse Problems 30 (2014), 045010.
A. Sorrentino, A.M. Johansen, J.A.D. Aston, T.E. Nichols and W.S. Kendall, Dynamic filtering of static dipoles in magnetoencephalography, Annals of Applied Statistics 7 (2013), 955-988, doi:/10.1214/12-AOAS611.
A. Pascarella and A. Sorrentino, Statistical Methods for the solution of the MEG inverse problem, in Magnetoencephalography (2011).
C. Campi, A. Pascarella, A. Sorrentino and M. Piana, Highly Automated Dipole EStimation, Computational Intelligence and Neuroscience, doi:10.1155/2011/982185 (2011).
S. Pursiainen, A. Sorrentino, C. Campi and M. Piana, Forward simulation and inverse dipole localization with lowest order Raviart-Thomas elements for electroencephalography, Inverse Problems 27 (2011), 045003, doi:10.1088/0266-5611/27/4/045003.
A. Sorrentino, Particle Filters for Magnetoencephalography, Archives of Computational Methods in Engineering 17 (2010), 213-251.
A. Pascarella, A. Sorrentino, C. Campi and M. Piana, Particle filters, beamformers and multiple signal classification for the analysis di magnetoencephalographic time series: a comparison of algorithms, Inverse Problems and Imaging 4 (2010), 169:190.
A. Sorrentino, L. Parkkonen, A. Pascarella, C. Campi and M. Piana, Dynamical
MEG source modeling with multi-target Bayesian tracking, Human Brain Mapping 30 (2009)
1911-1921.
C. Campi, A. Pascarella, A. Sorrentino and M. Piana, A Rao-Blackwellized particle filter for magnetoencephalography, Inverse Problems 24 (2008) 025023.
A. Sorrentino, L. Parkkonen, M. Piana, A.M. Massone, L. Narici, S. Carozzo, M. Riani and W.G. Sannita, Modulation of brain and behavioural responses to cognitive visual stimuli with varying signal-to-noise ratio, Clinical Neurophysiology 117 (2006), 1098-1105