Fotografi av Fredrik Lindsten

Fredrik Lindsten

Professor, Avdelningschef

Jag utvecklar verktyg som kan användas för att extrahera värdefull information från komplexa datamängder. Jag är särskilt intresserad av tekniker som kan kvantifiera och resonera kring den osäkerhet som i princip all data är behäftad med.

Presentation

Jag är biträdande professor i maskininlärning och avdelningschef vid avdelningen Statistik och maskininlärning.

Jag är intresserad av samspelet mellan statistik och maskininlärning, i synnerhet hur statistiska metoder kan användas för att resonera kring och kvantifiera osäkerheten i de prediktioner och beslut som tas av maskininlärningssystem.

För mer information om min bakgrund, forskning och forskningsgrupp besök gärna även min externa sida (på engelska).

Publikationer

2025

Ioannis Athanasiadis, Fredrik Lindsten, Michael Felsberg (2025) Prior Learning in Introspective VAEs Transactions on Machine Learning Research, Vol. 06, s. 1-41 (Artikel i tidskrift)
Gabriel Ducrocq, Lukas runewald, Sebastian Westenhoff, Fredrik Lindsten (2025) cryoSPHERE: Single-Particle HEterogeneous REconstruction from cryo EM
Simon Adamov, Joel Oskarsson, Leif Denby, Tomas Landelius, Kasper Hintz, Simon Christiansen, Irene Schicker, Carlos Osuna, Fredrik Lindsten, Oliver Fuhrer, Sebastian Schemm (2025) Building Machine Learning Limited Area Models: Kilometer-Scale Weather Forecasting in Realistic Settings

2024

Joel Oskarsson, Tomas Landelius, Marc Peter Deisenroth, Fredrik Lindsten (2024) Probabilistic Weather Forecasting with Hierarchical Graph Neural Networks Advances in Neural Information Processing Systems: 38th Conference on Neural Information Processing Systems (NeurIPS 2024), s. 41577-41648 (Konferensbidrag)
Hariprasath Govindarajan, Per Sidén, Jacob Roll, Fredrik Lindsten (2024) On Partial Prototype Collapse in the DINO Family of Self-Supervised Methods 35th British Machine Vision Conference 2024, Glasgow, UK, November 25-28, 2024 (Konferensbidrag)

Forskning

Nyheter

Om avdelningen

Medarbetare vid STIMA

Om institutionen