Fotografi av Fredrik Lindsten

Fredrik Lindsten

Biträdande professor, Avdelningschef, Enhetschef

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.

Jag är biträdande professor vid avdelningen för statistik och maskininlärning, Linköpings universitet.

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 ytterligare information, besök min externa hemsida (på engelska).

For information in english, see my external homepage

Publikationer

2023

Johannes Varga, Emil Karlsson, Günther R. Raidl, Elina Rönnberg, Fredrik Lindsten, Tobias Rodemann (2023) Speeding Up Logic-Based Benders Decomposition by Strengthening Cuts with Graph Neural Networks Machine Learning, Optimization, and Data Science, s. 24-38 Vidare till DOI
Joel Oskarsson, Sidén Per, Fredrik Lindsten (2023) Temporal Graph Neural Networks for Irregular Data Proceedings of The 26th International Conference on Artificial Intelligence and Statistics, s. 4515-4531
Amirhossein Ahmadian, Fredrik Lindsten (2023) Enhancing Representation Learning with Deep Classifiers in Presence of Shortcut Proceedings of IEEE ICASSP 2023 Vidare till DOI
Amanda Olmin, Jakob Lindqvist, Lennart Svensson, Fredrik Lindsten (2023) Active Learning with Weak Supervision for Gaussian Processes Neural Information Processing 29th International Conference, ICONIP 2022, Virtual Event, November 22–26, 2022, Proceedings, Part V, s. 195-204 Vidare till DOI

2022

Joel Oskarsson, Per Sidén, Fredrik Lindsten (2022) Scalable Deep Gaussian Markov Random Fields for General Graphs Proceedings of the 39th International Conference on Machine Learning, s. 17117-17137

Forskning

Nyheter

Om avdelningen

Medarbetare vid STIMA

Om institutionen