Erfolgreiche Promotion von Stephan Lehmler

Stephan Johann Lehmler hat seine Dissertation an der Fakultät für Informatik der Ruhr-Universität Bochum erfolgreich verteidigt. Seine Promotionsleistung wurde mit magna cum laude ausgezeichnet. Betreut wurde er von Prof. Dr. Ioannis Iossifidis.

Seine Arbeit trägt den Titel „Indicators of memorization and their application to low-sample transfer-learning for deep learning-based sEMG-decoder“.  Sie verbindet eine grundlegende Frage der künstlichen Intelligenz mit einer praktischen Herausforderung der biomedizinischen Signalverarbeitung: Woran lässt sich erkennen, ob ein neuronales Netz tatsächlich verallgemeinert oder lediglich seine wenigen Trainingsbeispiele auswendig lernt? 

Diese Frage ist besonders wichtig, wenn ein auf elektrischen Muskelsignalen basierendes System für eine neue Person angepasst werden soll.  Solche Signale – die sogenannte Oberflächen-Elektromyografie oder sEMG – unterscheiden sich von Mensch zu Mensch, während für eine nutzerfreundliche Kalibrierung möglichst wenige Bewegungswiederholungen erforderlich sind. 

Lehmler untersucht deshalb das Aktivierungsverhalten künstlicher Neuronen und entwickelt daraus Kennzahlen, die Hinweise auf unerwünschtes Auswendiglernen geben können.  Seine Ergebnisse zeigen, dass diese Kennzahlen auch bei der Anpassung von sEMG-basierten Bewegungsdekodern vielversprechend sind; ihre Anwendung als allgemeines Überwachungsinstrument erfordert jedoch weitere Forschung. 

Die Arbeit leistet damit einen Beitrag zum Verständnis von Lernprozessen in neuronalen Netzen und eröffnet Perspektiven für die Entwicklung zuverlässigerer Mensch-Maschine-Schnittstellen, beispielsweise für assistive Systeme und die Neurorehabilitation. 

Der Promotionskommission gehörten Prof. Dr. Alexander May als Vorsitzender, Prof. Dr. Sen Cheng als Protokollführer sowie Prof. Dr. Ioannis Iossifidis und Prof. Dr. Tobias Glasmachers an.

Wir gratulieren Stephan Lehmler herzlich zur erfolgreichen Promotion und wünschen ihm für seinen weiteren Weg alles Gute.