KI-FORSCHER / MÜNCHEN, DEUTSCHLAND

Zipeng
Zhang.

Intelligenz:Ein modernes Märchen
über Philosophie

Zipeng Zhang
Doktorand in den Ingenieurwissenschaften an der TUM

Lehrstuhl für Gesundheitsinformatik
Technische Universität München

SIGNALFELD / 001
ZUM DREHEN ZIEHEN · PFEILTASTEN

Eine generative Skizze, keine experimentellen Daten.

FORSCHUNGSBEREICHE

SIGNAL AUSWÄHLEN ↓
CH_01 / EEG

Aus Hirnaktivität lernen: Meine Interessen umfassen EEG-Signalverarbeitung, Hirnforschung und neuromorphe Intelligenz.

ENTDECKEN ↓

01 / Forschungskoordinaten

Signale sind der rote Faden.
KI ist mein Werkzeug, sie zu erforschen.

Meine Forschung umfasst EEG- und Audiosignalverarbeitung, die Unterscheidung von Kohle und Bergen, mechanische Fehlerdiagnose und medizinische Anwendungen. Mich interessiert, wie Modelle aus verrauschten, komplexen Beobachtungen nützliche Strukturen lernen.

WAS MICH AUSSERDEM INTERESSIERT
  • Spikende neuronale Netze
  • Neuromorphe Chips
  • FPGA-Implementierung
  • Hirnforschung

02 / Aktuelle Publikationen

ALLE PUBLIKATIONEN ↗
Originalabbildung zum Aufprall von Kohle und Bergen auf den Heckträger eines hydraulischen Grubenausbaus.ABBILDUNGVERGRÖSSERN ↗
Kohle-Berge-AufprallmodellOriginalabbildung aus der Publikation
2027 / Kohle & Berge

Coal gangue recognition based on acoustic frequency-domain characteristics: Evaluating the influence of multiple working conditions on accuracy

Minerals Engineering

ResearchGate: Oktober 2026 · Zeitschriftenausgabe: Januar 2027.

Die Studie untersucht, wie wechselnde Betriebsbedingungen die akustische Kohle-Berge-Erkennung beeinflussen. Im Mittelpunkt stehen Frequenzmerkmale von Aufprallsignalen am Heckträger eines hydraulischen Grubenausbaus und Merkmalsverschiebungen bei veränderten Betriebsparametern.

PUBLIKATIONSDETAILS
BKCad-Architektur mit EEG- und Spracheinbettungen, Diffusionsencoder, bayesschem Lernen, modalitätsübergreifender Aufmerksamkeit und konfidenzbewusster Fusion.ABBILDUNGVERGRÖSSERN ↗
BKCad · ModellarchitekturOriginalabbildung aus der Publikation
2026 / Medizinische KI

Bayesian knowledge-guided confidence aware model based on multimodal pre-trained LLMs for depression detection

Pattern Recognition

BKCad führt EEG- und Sprachsignale mithilfe vortrainierter Einbettungen und eines Diffusionsencoders in einer gemeinsamen Repräsentation zusammen. Bayessche Unsicherheitsschätzungen und modalitätsübergreifende Aufmerksamkeit steuern die konfidenzbewusste Fusion zur Depressionserkennung.

PUBLIKATIONSDETAILS
MCL-Framework mit Signalaugmentation, Spektrogrammen, dualer Aufmerksamkeit, Mamba-Zweigen, kontrastivem Lernen und Kohle-Berge-Klassifikation.ABBILDUNGVERGRÖSSERN ↗
MCL · ModellarchitekturOriginalabbildung aus der Publikation
2026 / Kohle & Berge

MCL: Mamba-Based Contrastive Learning method for coal gangue identification

International Journal of Coal Preparation and Utilization

MCL verbindet duale Aufmerksamkeit, zwei Mamba-Module und kontrastives Lernen zur Unterscheidung von Kohle und Bergen anhand von Schwingungssignalen. Vor der Fusion zur Klassifikation lernt das Framework klassenspezifische Ähnlichkeiten und Unterschiede.

PUBLIKATIONSDETAILS

03 / Auf GitHub

@cantabz
01 / Medical acoustics

PerMAG

Wahrnehmungsorientierte, mehrskalige Hörmodellierung für die intelligente Auskultation von Herzklappenerkrankungen.

FORSCHUNGSREPOSITORY
02 / Fehlerdiagnose

CFENet

Kontrastives frequenzsensitives Lernen zur akustischen Fehlererkennung unter wechselnden Betriebsbedingungen.

FORSCHUNGSREPOSITORY
03 / Intelligente Erkennung

Kohle-Berge-Erkennung

Ein amplituden- und frequenzsensitives neuronales Netz zur akustischen Unterscheidung von Kohle und Berge.

FORSCHUNGSREPOSITORY
KOMMEN WIR INS GESPRÄCH

Ein interessantes Signal entdeckt?

Forschungsabbildung

QUELLE ANSEHEN ↗BILD ÖFFNEN ↗