Dr. Matthias Nyfeler

Arbeit an der ZHAW

Tätigkeit

• Studiengangleitung MSc Vertiefung in Applied Computational Life Sciences
• Leitung Forschungsgruppe Advance Signal Analytics
• Leitung ICLS Statistikberatung
• Dozent für Physik und Statistik

Arbeits- und Forschungsschwerpunkte

• Deep Learning Classification of Drone Radio Signals
• Statistik, Data Science
• Physical Computing
• Bioakustik

Lehrtätigkeit

Statistik, Physik, Mathematisches Modellieren

Berufserfahrung

• Dozent
  ZHAW Wädenswil
  02 / 2018 - heute
• Dozent für Physik und Mathematik
  School of Engineering, Jönköping University, Schweden
  08 / 2016 - 01 / 2018
• Mittelschullehrer für Physik und Mathematik
  Collège St. Michel Fribourg, Kantonsschule Olten, Kantonsschule Alpenquai Luzern
  08 / 2010 - 07 / 2016
• Wissenschaftlicher Assistent
  Albert Einstein Center for Fundamental Physics, Universität Bern
  2005 - 2010

Aus- und Weiterbildung

Ausbildung

• Hochschuldidaktik
  Jönköping University, Schweden
  2016 - 2017
• Lehrdiplom für Physik und Mathematik / Höheres Lehramt
  PHBern
  2010 - 2011
• Doktorat / Theoretische Physik
  Albert Einstein Center for Fundamental Physics, Universität Bern
  2006 - 2009
• Master of Science / Physik
  Albert Einstein Center for Fundamental Physics, Universität Bern
  2001 - 2006

Weiterbildung

CAS Digital Life Sciences: Applied Reinforcement Learning, Machine Learning Fundamentals in Python, Natural Language Processing Fundamentals
ICLS ZHAW Wädenswil
2023

Netzwerk

Mitglied in Netzwerken

• Digital Futures Lab
• Centre of Cognitive Computing in Life Sciences

ORCID digital identifier

ORCID ID: 0000-0001-7929-7625

Social Media

Linkedin

Projekte

• Radio Signal Object Detection / Projektleiter:in / laufend
• Unknown Radio Signal Clustering / Projektleiter:in / laufend
• ChirpScan: Biodiversitätsüberwachung von Heuschrecken mit einer KI-gestützten mobilen App / Stellv. Projektleiter:in / laufend
• ChirpNet: KI Heuschrecken Biodiversitätsmonitoring / Projektleiter:in / abgeschlossen
• Radio Signal Unsupervised and Transfer Learning / Projektleiter:in / abgeschlossen
• Drone Detection Prototype / Projektleiter:in / abgeschlossen
• TinyML Heuschrecken Klassifizierung / Stellv. Projektleiter:in / abgeschlossen
• ZHAW Summer School for HealthTech Innovators / Teammitglied / abgeschlossen
• Insektenklassifikation / Projektleiter:in / abgeschlossen
• Drone Signal Dataset / Projektleiter:in / abgeschlossen
• Drohnenalarm / Projektleiter:in / abgeschlossen
• Transformernetze für Drohnensignale / Projektleiter:in / abgeschlossen
• Klassifikation von Drohnensignalen / Projektleiter:in / abgeschlossen
• Detektion von Drohnensignalen / Projektleiter:in / abgeschlossen

Publikationen

Beiträge in wissenschaftlicher Zeitschrift, peer-reviewed

• Glüge, S., Nyfeler, M., Aghaebrahimian, A., Ramagnano, N., & Schüpbach, C. (2024). Robust low-cost drone detection and classification using convolutional neural networks in low SNR environments. IEEE Journal of Radio Frequency Identification, 8, 821–830. https://doi.org/10.1109/JRFID.2024.3487303
• Pedan, V., Popp, M., Rohn, S., Nyfeler, M., & Bongartz, A. (2019). Characterization of phenolic compounds and their contribution to sensory properties of olive oil. Molecules, 24(11), 2041. https://doi.org/10.3390/molecules24112041

Schriftliche Konferenzbeiträge, peer-reviewed

• Glüge, S., Nyfeler, M., Ramagnano, N., Horn, C., & Schüpbach, C. (2023). Robust drone detection and classification from radio frequency signals using convolutional neural networks [Conference paper]. In N. van Stein, F. Marcelloni, H. K. Lam, & J. Filipe (Eds.), Proceedings of the 15th International Joint Conference on Computational Intelligence - NCTA (pp. 496–504). SciTePress. https://doi.org/10.5220/0012176800003595
• Horn, C., Nyfeler, M., Müller, G., & Schüpbach, C. (2022). Drone radio signal detection with multi-timescale deep neural networks [Conference paper]. In S. Y. Yurish (Ed.), Proceedings of the 4th International Conference on Advances in Signal Processing and Artificial Intelligence (pp. 140–143). IFSA Publishing. https://doi.org/10.21256/zhaw-27185

Publikationen vor Tätigkeit an der ZHAW

• Nested Cluster Algorithm for Frustrated Quantum Antiferromagnets, M. Nyfeler, F.-J. Jiang, F. Kampfer, U.-J. Wiese, Phys. Rev. Lett. 100, 247206 (2008)
• Loop-Cluster Simulation of the t-J Model on the Honeycomb Lattice, F.-J. Jiang, F. Kämpfer, M. Nyfeler, U.-J. Wiese, Phys. Rev. B 78, 214406 (2008)
• Constraint Effective Potential of the Staggered Magnetization in an Antiferromagnet, U. Gerber, C. P. Hofmann, F.-J. Jiang, M. Nyfeler, U.-J. Wiese, J. Stat. Mech. (2009) P03021
• From an Antiferromagnet to a Valence Bond Solid: Evidence for a First Order Phase Transition, F.-J. Jiang, M. Nyfeler, S. Chandrasekharan, U.-J. Wiese, J. Stat. Mech. (2008) P02009
• Monte Carlo Determination of the Low-Energy Constants of a Spin 1/2 Heisenberg Model with Spatial Anisotropy, F. J. Jiang, F. Kämpfer, M. Nyfeler, Phys. Rev. B 80, 033104 (2009)
• A new efficient cluster algorithm for the Ising model, M. Nyfeler, M. Pepe and U. J. Wiese, PoS LAT2005 (2006) 112

Forschungsdaten

Glüge, Stefan; Nyfeler, Matthias; Ramagnano, Nicola; Horn, Claus; Schüpbach, Christoph, . Noisy drone RF signal classification. Kaggle. Verfügbar unter: https://www.kaggle.com/datasets/sgluege/noisy-drone-rf-signal-classification

Zurück