林雨洲博士于2023年8月25日下午14点30分-15点30分在工学院南楼812会议室，为我们带来报告，主题为：针对肌电控制应用的稳健及可靠的手势识别。
个人简介：
林雨洲分别于2015年和2016年获得英国谢菲尔德大学 (University of Sheftield) 自动控制与系续工程系的本科学士和硕士学位。他还于近期在英国肯特大学(University of Kent) 获得了计算机科学博士学位。在他的学士历程中，他对基于生物信号的人机交互，深度学习，康复工程和生物医学工程表现出浓厚的兴趣。出于对跨学科研究的热情，林雨洲致力于填补科学技术和医疗应用之间的空白，并希望借助它的专业知识推动技术的创新，为提升人类福祉尽一份绵薄之力。
演讲摘要：
在人机交互的大背景下，肌肉-计算机交互系统是通过将肌电信号转化为传达用户运动意图的交互命令来进行控制。近些年，倚靠于机器学习和深度学习技术的迅猛进展，基于手势识别的肌电控制的研究正在兴起。
毫无疑问的是，这种模式的肌电控制非常依赖于手势识别本身的性能。然而，尽管极高的手势识别准确率(>90%]在科学研究中屡屡被报道，但其在临床或商业领域的影响却极其有限。其中最有可能的原因就是，这类系统的鲁棒性欠佳，因为它极其容易被多种因素影响，比如电极移位、出汗、肌肉疲劳甚至是环境因素的变化。任何一个小的因素都有可能导致训练好的模型在实时应用端表现不如预期。因此，针对这类模式识别问题，一味的追求准确率是不可取的，模型的鲁棒性以及可靠性研究也应该得到足够的重视。
本报告将首先介绍一种新的模型设计框架，它能够极大的增加模型的可靠性，通过让模型能够在给出推断结果的同时，提供多维度的可理解的置信度。其次，为了填补领域内对模型可靠性定义缺乏共识的空白，该报告对模型可靠性进行了适当的定义。基于这个定义，研究人员可以对模型进行可靠性分析，从而使其作为一种新的评估维度，连同模型准确率一起，对模型的性能进行综合性的分析。更重要的是，该报告将展示通过这一模型设计框架设计出来的可靠模型，是如何解决在时间层面上手势识别低鲁棒性这一实际问题的。最后，未来一些可能的在相关研究领域方向上的拓展将被提出来讨论。