Curriculum Vitae

Seit 2026 ist Yuxuan He assoziierter Promotionsstudent an der Professur „Computational Humanities“ an der Otto-Friedrich-Universität Bamberg und promoviert unter der Betreuung von Prof. Dr.-Ing. Jakob Abeßer.

Der Forschungsschwerpunkt von Yuxuan He liegt im Bereich des maschinellen Hörens, insbesondere auf der Entwicklung effizienter Deep-Learning-Modelle für die Klassifikation akustischer Szenen und das kontinuierliche Lernen. Ziel seiner Arbeit ist es, Audioverarbeitungssysteme in die Lage zu versetzen, komplexe akustische Umgebungen mit geringem Rechen- und Energieaufwand zu erkennen und sich fortlaufend an neue akustische Bedingungen anzupassen, ohne dabei bereits erworbenes Wissen zu verlieren. Seine Forschungsinteressen umfassen Audiosignalverarbeitung, ressourceneffizientes maschinelles Lernen und intelligente Hörtechnologien.

2017 schloss Yuxuan He sein Bachelorstudium der Psychologie mit einem Nebenfach in Linguistik an der University of Alberta in Kanada ab. Anschließend absolvierte er den Masterstudiengang „Psychology: Learning Sciences“ an der Ludwig-Maximilians-Universität München. In seiner Masterarbeit untersuchte er die automatische Erkennung von Emotionen bei Lehrkräften anhand stimmlicher Merkmale. Dabei kombinierte er Sprachsegmentierung, die Extraktion akustischer Merkmale und Deep-Learning-Verfahren, um Modelle zur Erkennung emotionaler Informationen in Sprachsignalen zu entwickeln. Von 2020 bis 2023 arbeitete er als HCI-Entwickler an der Schnittstelle von künstlicher Intelligenz, Psychologie und Mensch-Computer-Interaktion. Seine Tätigkeit konzentrierte sich auf die Entwicklung von KI-Modellen zur Emotionserkennung anhand der Stimme sowie deren Integration in nutzerzentrierte Anwendungen. Insbesondere setzte er diese Modelle in Virtual-Reality-Nutzerstudien im Bereich der Architekturplanung ein, in denen die emotionalen Reaktionen der Teilnehmenden auf unterschiedliche räumliche Umgebungen erfasst und analysiert wurden.

Im Jahr 2023 trat er dem interdisziplinären Forschungsprojekt „NeuroSensEar – Neuromorphe akustische Sensorik für leistungsfähige Hörgeräte von morgen“ bei. Das von der Carl-Zeiss-Stiftung geförderte Projekt entwickelt bioinspirierte, adaptive und energieeffiziente Technologien für zukünftige Hörgeräte. Im Rahmen von NeuroSensEar konzentriert sich seine Forschung auf die Entwicklung effizienter Modelle zur Klassifikation akustischer Szenen. Er entwickelt und evaluiert kompakte Deep-Learning-Architekturen und multiskalige Merkmalsrepräsentationen, die komplexe akustische Umgebungen bei reduziertem Rechen- und Energieaufwand erkennen können. Darüber hinaus untersucht er Methoden des kontinuierlichen Lernens, die es akustischen Modellen ermöglichen, sich schrittweise an neue Umgebungen und bislang unbekannte Hörsituationen anzupassen, ohne bereits erworbenes Wissen zu verlieren. Seine Promotion baut auf dieser Arbeit auf und legt einen besonderen Schwerpunkt auf das Verhältnis zwischen Klassifikationsgenauigkeit, Recheneffizienz, Anpassungsfähigkeit und Echtzeitverarbeitung für ressourcenbeschränkte Anwendungen wie Hörgeräte.