Marie Dominique Schmidt hat ihre Dissertation an der Fakultät für Informatik der Ruhr-Universität Bochum erfolgreich verteidigt und wurde mit magna cum laude ausgezeichnet. Betreut wurde die Arbeit von Prof. Dr. Ioannis Iossifidis. Mit diesem Erfolg schließt eine junge Wissenschaftlerin eine anspruchsvolle Promotionsphase ab, in der sie wichtige Beiträge an der Schnittstelle von Informatik, maschinellem Lernen, … Read More “Erfolgreiche Promotion von Marie Dominique Schmidt mit magna cum laude – Herzlichen Glückwunsch!🎉🎓✨” »
Wir gratulieren Dr. Aline Xavier Fidencio ganz herzlich zur erfolgreichen Verteidigung ihrer Dissertation! 🏆 Eine herausragende Leistung Am 10. November 2025 hat Aline Xavier Fidencio ihre Dissertation mit der Bestnote magna cum laude erfolgreich verteidigt. „Machine learning-based strategies for detection and application of neurobiological error-related reinforcement signals in brain-computer interfaces” Kommission: Ioannis Iossifidis (Gutachter), Tobias Glasmachers (Gutachter), Nils Fleischhacker (Vorsitz), Axel … Read More “Erfolgreiche Promotion von Aline Xavier Fidencio mit magna cum laude — Herzlichen Glückwunsch!🎉🎓✨” »
Wir gratulieren Mohammad Saif-ur-Rehman hat ihre Dissertation an der Fakultät für Informatik der Ruhr-Universität Bochum erfolgreich verteidigt und wurde mit magna cum laude ausgezeichnet. Betreut wurde die Arbeit von Prof. Dr. Ioannis Iossifidis. In seiner Arbeit entwickelte er den „SpikeDeep-Classifier“, einen vollautomatischen Spike-Sortieralgorithmus, der Aktionspotentiale von Neuronen sortiert und klassifiziert. Die Arbeit leistet einen wichtigen … Read More “Erfolgreiche Promotion von Mohammad Saif-ur-Rehman mit magna cum laude – Herzlichen Glückwunsch!🎉🎓✨” »
Das Iossifidis Lab war auf der diesjährigen Bernstein Konferenz mit drei wissenschaftlichen Beiträgen vertreten. Die Arbeiten zeigen die thematische Breite der Forschung im Lab – von EMG-basierter Intentionserkennung über dynamische Bewegungsmodelle bis hin zu individuellen Unterschieden in Planungsprozessen. Vorgestellt wurden folgende Beiträge: Die Beiträge unterstreichen die interdisziplinäre Ausrichtung des Iossifidis Lab an der Schnittstelle von … Read More “Iossifidis Lab auf der Bernstein Konferenz vertreten” »
Tim Sziburis hat erfolgreich an der 7th International Conference on NeuroRehabilitation – ICNR2026 in Seoul, Südkorea, teilgenommen und dort aktuelle Forschungsergebnisse präsentiert. Im Rahmen der Konferenz stellte er die Arbeit mit dem Titel “Modelling Upper-Limb Task-Space Motion Trajectories via Elliptic Paths and Dynamical-System-Generated Velocity Profiles” vor. Die Arbeit beschäftigt sich mit der Modellierung von Bewegungsbahnen … Read More “Erfolgreiche Teilnahme von Tim Sziburis an der ICNR2026 in Seoul” »
Visualisation-animation of BSTs, B-Trees and Red-Black-Trees. A modified version of David Galles’ visualisation of BSTs, B-Trees and Red-Black-Trees tree-visualisation A modification of David Galles’ visualisation Manual Insert: Enter one or more numbers between 0 and 999. Separate them with your favorite non-digit character sequence. Press Insert. Delete: Enter a number. Press Delete. Find: Enter a … Read More “Algorithms – Visualisation” »
Reference Saif-ur-Rehman, M., Ali, O., Klaes, C., & Iossifidis, I. (2025). Adaptive SpikeDeep-classifier: Self-organizing and self-supervised machine learning algorithm for online spike sorting. Neurocomputing, 655, 131370. DOI: 10.1016/j.neucom.2025.131370 Online Spike Sorting That Adapts Itself: Why Ada‑SpikeDeepClassifier Is a Big Step Toward Practical Invasive BCIs TL;DR: Ada‑SpikeDeepClassifier is a semi‑online, fully automatic spike sorting pipeline that … Read More “” »
Marie D. Schmidt; Tobias Glasmachers; Ioannis Iossifidis Understanding how movement relates to muscle activation is a core problem in motor control and a practical challenge for rehabilitation technology. In this article, we train a Long Short-Term Memory (LSTM) model on upper-limb end-effector kinematics to predict activity across eight muscles. The model predicts muscle activity accurately … Read More “New journal article: Predicting Muscle Activity from Upper Limb Kinematics with LSTM Networks” »
Marie Dominique Schmidt; Ioannis Iossifidis Decoding motor intention early and reliably is central to responsive assistive devices and adaptive rehabilitation. In this study, we investigate how precisely movement direction and target location can be inferred from multichannel EMG signals, and how early this information becomes available relative to movement onset. We present a pipeline combining … Read More “New preprint: The Spatial and Temporal Resolution of Motor Intention in Multi-Target Prediction” »
