特别推荐 | 脑机接口与机器学习实验室

Posted 2021-04-27 神农造大脑

脑机接口与机器学习实验室

神农造大脑特别推荐

    华中科技大学人工智能与自动化学院脑机接口与机器学习实验室由伍冬睿教授创建，致力于精准、安全、隐私保护脑机接口中的机器学习研究。目前在读博士生、硕士生和本科生共计26名, 国家奖学金获得者16人次。

    主要研究方向为脑机接口、机器学习、情感计算和智慧医疗等。受到国家自然科学基金重点项目和面上项目、科技部重点项目、国家社科重大和重点项目、湖北省人工智能重大专项、湖北省杰青项目、武汉市应用基础前沿项目、之江实验室开放课题、百度松果基金等十余个项目支持。

招聘信息

博士后：本实验室长期招聘脑机接口、机器学习、计算智能、情感计算方向博士后。

硕博生：欢迎有志于脑机接口和机器学习研究的同学在本实验室攻读博士或硕士学位。实验室一般每年招收1-2名博士生、3名硕士生。但由于每年均会收到上百份推免自荐，所以建议推免硕博生尽早联系伍冬睿教授( [e-mail])。比如2022年秋季入学的研究生，最好在2021年3月或之前联系。目前实验室2021级研究生已无名额，2022级招生已经开始。我们希望学生踏实、勤奋、自律，有良好的数理基础、编程能力、英语水平和沟通表达能力。

简历

姓名：伍冬睿

职称：教授

职务：图像信息处理与智能控制教育部重点实验室副主任

电子邮件：[e-mail]

个人主页：

http://faculty.hust.edu.cn/drwu

个人博客：

http://blog.sciencenet.cn/u/drwuHUST

研究领域：脑机接口、机器学习、智慧医疗、计算智能、情感计算

教育经历

2003，中国科学技术大学，自动化专业，学士

2006，新加坡国立大学，电子与计算机工程专业，硕士

2009，美国南加州大学，电子工程专业，博士

主要项目

1.     机器学习模型泛化能力启发的区间二型鲁棒模糊控制研究，国家自然科学基金面上项目， 2019.01-2022.12，主持

2.     脑机接口中的迁移学习，湖北省杰出青年基金，2020-2023，主持

3.  可穿戴智慧医疗，横向合作，2020.04-2021.10，主持

4.     基于非校验集信息的深度学习泛化性能曲线预测，CCF-百度松果基金，2020.09-2021.06，主持

5.     基于头皮脑电图的小儿癫痫自动分类与病灶定位，武汉市应用基础前沿, 2020.09-2022.12, 主持

6.     非侵入式脑机接口系统安全性研究，之江实验室开放课题，2021.01-2022.12，主持

7.     脑机接口中的假设迁移学习，浙江省脑机协同智能重点实验室开放基金，2021.01-2022.12，主持

8.     面向特殊、高危、重大行业的智能穿戴系统研究，湖北省技术创新专项， 2019.09-2022.08，子课题负责人

9.     智慧社会下我国新型社会信用体系构建研究, 国家社科基金重大项目, 2020-2022, 子课题负责人

10.    市域社会治理智能化模式研究, 国家社科基金重点项目, 2020-2022，子课题负责人

11.    智能行走辅助机器人关键技术合作研究，科技部政府间国际科技创新合作重点专项， 2019.08-2022.07，参与

12.    面向偏瘫患者运动辅助的外肢体机器人基础研究，NSFC-深圳机器人基础研究中心重点项目， 2020.01-2023.12，参与

荣誉奖励

2020 USERN 形式科学奖

2020 湖北省杰出青年基金

2019 第三届中国脑机接口比赛技术赛 全国一等奖

2018 IEEE人机系统汇刊 最佳副编奖

2017 ICONIP最佳学生论文奖入围

2017 IEEE系统、人和控制论学会 青年科学家奖

2016 IEEE脑计划 最佳论文奖入围

2015 德国-美国工程前沿论坛

2015 美国国家科学院、工程院、医学院Kech未来计划

2015 IEEE情感计算汇刊 最有影响力论文奖入围

2014 首席信息官100项目奖

2014 北美模糊信息处理学会 青年科学家奖

2014 IEEE模糊系统汇刊 最佳论文奖

2013 海德堡阿贝尔、图灵、菲尔兹获奖者论坛

2012 首席信息官100项目奖

2012 IEEE计算智能协会 最佳博士论文奖

2005 IEEE模糊系统国际会议 最佳学生论文奖

学术任职

1.  IEEE系统、人和控制论学会eNewsLetter主编 (2021-2023)

2.  IEEE模糊系统汇刊 (IF=9.518) 副编 (2011–2018; 2020-)

3.  IEEE人机系统汇刊 (IF=3.374) 副编 (2014–)

4.  IEEE计算智能杂志 (IF=9.083) 副编 (2017–)

5.  IEEE神经系统和康复工程汇刊 (IF=3.340) 副编 (2019–)

6.  中国人工智能学会智能技术汇刊 青年编委 (2020-).

7.  2013年客座主编IEEE计算智能杂志“计算智能与情感计算”特刊

8.  2016年客座主编IEEE模糊系统汇刊“脑机接口”特刊

9.  2018年客座主编IEEE计算智能新兴主题汇刊 “深度迁移学习进展”特刊

10.  海德堡阿贝尔、图灵、菲尔兹获奖者论坛评委

11.  IEEE计算智能学会武汉分会主席

12.  IEEE系统、人和控制论学会武汉分会副主席

13.  IEEE计算智能学会情感计算工作组主席

招聘信息

出版学术专著《Perceptual Computing》一部(Wiley-IEEE出版社)，发表论文160余篇，其中SCI 84篇(一作33篇，IEEE汇刊56篇)，ESI高引4篇，Google Scholar总引用7100余次(H=40)。1篇IEEE模糊系统汇刊最佳论文，4篇IEEE计算智能学会亮点论文，1篇IEEE神经系统和康复工程汇刊封面论文，1篇在1997-2017年间共1288篇二型模糊系统SCI论文中引用排名12，1篇在Engineering Applications of Artificial Intelligence (IF=4.201) 1988-2018年间发表的2960篇论文中引用排名13。研究成果进入Matlab 模糊逻辑工具箱，供全球数百万用户选用。被DigitalTrends、TechXplore、Geeks、中国日报、中新网、长江日报、财新周刊等多个网站和媒体报道。授权美国和PCT专利5项，中国发明专利5项。

学术专著

J. M. Mendel and D. Wu, “Perceptual Computing: Aiding People in Making Subjective Judgments,” Wiley-IEEE Press, April 2010. (Matlab code) (Book Review)(Google Books)

代表性论文

Brain-Computer Interface:

1.  X. Zhang, D. Wu*, L. Ding*, H. Luo, C-T Lin, T-P Jung and R. Chavarriaga, "Tiny noise, big mistakes: Adversarial perturbations induce errors in Brain-Computer Interface spellers," National Science Review, 2020, accepted.

2. D. Wu*, Y. Xu and B.-L. Lu, "Transfer Learning for EEG-Based Brain-Computer Interfaces: A Review of Progress Made Since 2016," IEEE Trans. on Cognitive and Developmental Systems, 2020, accepted.

3.  W. Zhang and D. Wu*, "Manifold Embedded Knowledge Transfer for Brain-Computer Interfaces," IEEE Trans. on Neural Systems and Rehabilitation Engineering, 28(5), pp. 1117-1127, 2020.

4.  H. He and D. Wu*, "Different Set Domain Adaptation for Brain-Computer Interfaces: A Label Alignment Approach," IEEE Trans. on Neural Systems and Rehabilitation Engineering, 28(5), pp. 1091-1108, 2020.

5.  H. He and D. Wu*, "Transfer Learning for Brain-Computer Interfaces: A Euclidean Space Data Alignment Approach," IEEE Trans. on Biomedical Engineering, 67(2), pp. 399-410, 2020.

6.  Y. Cui, Y. Xu and D. Wu*, "EEG-Based Driver Drowsiness Estimation Using Feature Weighted Episodic Training," IEEE Trans. on Neural Systems and Rehabilitation Engineering, 27(11), pp. 2263-2273, 2019. 

7.  X. Zhang and D. Wu*, "On the Vulnerability of CNN Classifiers in EEG-Based BCIs," IEEE Trans. on Neural Systems and Rehabilitation Engineering, 27(5), pp. 814-825, 2019.

8.  D. Wu*, J-T King, C-C Chuang, C-T Lin and T-P Jung, "Spatial Filtering for EEG-Based Regression Problems in Brain-Computer Interface (BCI)," IEEE Trans. on Fuzzy Systems, 26(2), pp. 771-781, 2018.

9.  D. Wu*, B. J. Lance, V. J. Lawhern, S. Gordon, T-P Jung and C-T Lin, “EEG-Based User Reaction Time Estimation Using Riemannian Geometry Features”, IEEE Trans. on Neural Systems and Rehabilitation Engineering, 25(11), pp. 2157-2168, 2017.

10.  D. Wu, V. Lawhern, S. Gordon, B. Lance and C-T Lin, "Driver Drowsiness Estimation from EEG Signals Using Online Weighted Adaptation Regularization for Regression (OwARR)," IEEE Trans. on Fuzzy Systems, 25(6), pp. 1522-1535, 2017.

11. D. Wu*, "Online and Offline Domain Adaptation for Reducing BCI Calibration Effort," IEEE Trans. on Human-Machine Systems, vol. 47, no. 4, pp. 550-563, 2017.

12.  D. Wu, V. Lawhern, D. Hairston and B. Lance, "Switching EEG Headsets Made Easy: Reducing Offline Calibration Effort Using Active Weighted Adaptation Regularization," IEEE Trans. on Neural Systems and Rehabilitation Engineering, 24(11), pp. 1125-1137, 2016.

 

Machine Learning:

1.  刘子昂, 蒋雪, 伍冬睿*, "基于池的无监督线性回归主动学习," 自动化学报, 2020.

2.  X. Zhang and D. Wu*, "Empirical Studies on the Properties of Linear Regions in Deep Neural Networks," Int'l. Conf. on Learning Representations (ICLR), Addis Ababa, Ethiopia, April 2020.

3.  Z. Liu, X. Jiang, H. Luo, W. Fang, J. Liu and D. Wu*, "Pool-Based Unsupervised Active Learning for Regression Using Iterative Representativeness-Diversity Maximization (iRDM)," Pattern Recognition Letters, 142:11-19, 2021.

4.  Y. Cui, D. Wu* and J. Huang*, "Optimize TSK Fuzzy Systems for Classification Problems: Mini-Batch Gradient Descent with Uniform Regularization and Batch Normalization," IEEE Trans. on Fuzzy Systems, 28(12):3065-3075, 2020.

5.  D. Wu*, Y. Yuan, J. Huang and Y. Tan*, "Optimize TSK Fuzzy Systems for Regression Problems: Mini-Batch Gradient Descent with Regularization, DropRule and AdaBound (MBGD-RDA)," IEEE Trans. on Fuzzy Systems, 28(5), pp. 1003-1015, 2020.

6.  D. Wu* and J.M. Mendel, "Patch Learning," IEEE Trans. on Fuzzy Systems, 28(9):1996-2008, 2020.

7.  D. Wu, C-T Lin, J. Huang* and Z. Zeng*, "On the Functional Equivalence of TSK Fuzzy Systems to Neural Networks, Mixture of Experts, CART, and Stacking Ensemble Regression," IEEE Trans. on Fuzzy Systems, 28(10):2570-2580, 2020.

8.  D. Wu* and X. Tan, "Multitasking Genetic Algorithm (MTGA) for Fuzzy System Optimization," IEEE Trans. on Fuzzy Systems, 28(6), pp. 1050-1061, 2020.

9.  D. Wu*, C-T Lin and J. Huang*, "Active Learning for Regression Using Greedy Sampling," Information Sciences, vol. 474, pp. 90-105, 2019.

10.  D. Wu, "Pool-based sequential active learning for regression," IEEE Trans. on Neural Networks and Learning Systems, 30(5), pp. 1348-1359, 2019.

 

Affective Computing:

1.  权学良, 曾志刚, 蒋建华, 张亚倩, 吕宝粮, 伍冬睿*, 基于生理信号的情感计算研究综述. 自动化学报, 2020, in press.

2.  D. Wu and J. Huang, "Affect Estimation in 3D Space Using Multi-Task Active Learning for Regression," IEEE Trans. on Affective Computing, 2020, in press.

3.  D. Wu, C. Courtney, B. Lance, S. Narayanan, M. Dawson, K. Oie, and T.D. Parsons, “Optimal Arousal Identification and Classification for Affective Computing: Virtual Reality Stroop Task,” IEEE Trans. on Affective Computing, 1(2), pp. 109-118, 2010.