💻 工作经历

🎓 教育经历

Improved data-driven model-free adaptive control method for an upper extremity power-assist exoskeleton
Shurun Wang, Hao Tang, Zhaowu Ping, et al.
Applied Intelligence, 2025 [code]

提出了一种改进的无模型自适应控制（IMFAC）算法，仅需要系统的输入输出数据就能实现外骨骼的精确控制。同时，提出了一种改进的蛇优化算法以搜索IMFAC算法的最优初始参数.

Optimizing graph neural network architectures for schizophrenia spectrum disorder prediction using evolutionary algorithms
Shurun Wang, Hao Tang, Ryutaro Himeno, et al.
Computer Methods and Programs in Biomedicine, 2024 [code]

提出了一种基于进化算法的图神经网络搜索框架，以生成可预测疾病的高性能的图神经网络模型。同时，采用了GNNExplainer方法对模型进行可解释性分析。

提出了一种基于加权双Q学习算法的自动学习搜索框架，以构建高性能的神经网络。在基于表面肌电信号的手势识别任务中，所生成的网络模型性能优越。

A Novel Approach to Detecting Muscle Fatigue Based on sEMG by Using Neural Architecture Search Framework
Shurun Wang, Hao Tang*, Bin Wang, et al.
IEEE Transactions on Neural Networks ＆ Learning Systems, 2023 [code]

提出了一种基于强化学习的分层探索机制，用于自动生成高性能的CNN模型，这些模型可用于检测肌肉疲劳。

Continuous estimation of human joint angles from sEMG using a multi-feature temporal convolutional attention-based network
Shurun Wang, Hao Tang*, Lifu Gao, et al.
IEEE Journal of Biomedical and Health Informatics , 2022 [code]

提出了一种多特征时序卷积注意力网络（MFTCAN），用于估计关节角度。
开发了一种联合训练机制，将MFTCAN与KNR和SVR等传统统计算法相结合。

A Double Threshold Adaptive Method for Robust Detection of Muscle Activation Intervals from Surface Electromyographic Signals
Hao Tang*, Shurun Wang, Qi Tan, et al.
IEEE Transactions on Instrumentation and Measurement , 2022 [code]

开发了一种基于样本熵的鲁棒算法，以克服运动伪迹和不规则强直性尖峰的影响。
设计了一个具有互锁结构的双阈值自适应检测框架，用于检测肌肉激活间隔的开始和结束。

Analysis of Fatigue in the Biceps Brachii by Using Rapid Refined Composite Multiscale Sample Entropy
Shurun Wang, Hao Tang*, Bin Wang, et al.
Biomedical Signal Processing and Control, 2021 [code]

提出了快速精细化的复合多尺度样本熵（R2CMSE）来提取sEMG信号特征，这种算法可以描述肌肉疲劳的变化过程。