Dr. Marco Aurelio Nuño Maganda.
Programa Investigación Profesores Estudiantes Ingreso
Líneas de investigación:
- Cómputo en dispositivos móviles
- Visión por computadora y aprendizaje automático
- Arquitecturas hardware de alto desempeño
Formación:
- Doctorado en Ciencias Computacionales – Instituto Nacional de Astrofísica, Óptica y Electrónica
- Maestría en Ciencias Computacionales – Instituto Nacional de Astrofísica, Óptica y Electrónica
- Ingeniero en Computación – Universidad Nacional Autónoma de México
Artículos de investigación en revistas arbitradas e indexadas:
- César Torres-Huitzil, Marco Aurelio Nuño-Maganda. Area-time efficient implementation of local adaptive image thresholding in reconfigurable hardware. ACM SIGARCH Computer Architecture News, 42(4):33–38, Septiembre 2014. ISSN: 0163-5964.
- Marco Delgadillo-Escobar, César Torres-Huitzil, and Marco Aurelio Nuño-Maganda. Comparison between 2D cellular automata based pseudorandom number generators. IEICE Electronics Express, 9(17):1391–1396, Septiembre 2012. ISSN:1349-2543, Indexado SCI.
- Carlos Polanco-González, Marco Aurelio Nuño-Maganda, Miguel Arias-Estrada, and Gabriel del Río. An FPGA Implementation to Detect Selective Cationic Antibacterial Peptides. PLoS ONE, 6(6):e21399, Junio 2011. ISSN: 1932-6203, Indexado SCI.
- Marco Aurelio Nuño-Maganda and César Torres-Huitzil. A Temporal Coding Hardware Implementation for Spiking Neural Networks. ACM SIGARCH Computer Architecture News, 38(4):2–7, Septiembre 2010. ISSN: 0163-5964.
- Marco Aurelio Nuño-Maganda, César Torres-Huitzil, and Miguel Arias-Estrada. Population Coding and SpikeProp Hardware Accelerator for Spiking Neural Networks. Research in Computing Science, Advances in Computer Science and Engineering, 45:145–156, Abril 2010. ISSN: 1870-4069.
Proyectos de Investigación:
- Estudio y Análisis de Modelos de Redes Neuronales Artificiales para la Implementación de Bloques Hardware Eficientes Aplicables al Reconocimiento de Objetos en Imágenes. Proyecto CONACYT Ciencia Básica. Duración: 2011 a 2015.
Implementación de Arquitecturas FPGA para algoritmos de visión por computadora y aprendizaje automático. Proyecto PRODEP. Duración: 2010 a 2011.






