Fotografi av Joel Oskarsson

Joel Oskarsson

Doktorand

Min forskning handlar om spatio-temporal och graf-baserad maskininlärning.

Presentation

Jag är doktorand vid avdelningen för statistik och maskininlärning. Min huvudhandledare är Fredrik Lindsten och bihandledare Per Sidén och Jose M. Peña. Jag är affilierad doktorand inom WASP-programmet.

Forskning

Inom min forskning utvecklar jag maskininlärningsmetoder för data med olika typer av beroenden. Detta innefattar metoder för data med spatiala-, temporala- och graf-strukturerade beroenden, samt kombinationer av dessa. Jag är speciellt intresserad av hur probabilistiska metoder inom dessa områden kan kombineras med neurala nätverk för att skapa nya metoder med önskvärda egenskaper.

För mer information se min hemsida.


Publikationer

2025

Joel Oskarsson (2025) Modeling Spatio-Temporal Systems with Graph-based Machine Learning
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)

2023

Theodor Westny, Joel Oskarsson, Björn Olofsson, Erik Frisk (2023) MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction With Neural ODEs IEEE Transactions on Intelligent Vehicles, Vol. 8, s. 4223-4236 (Artikel i tidskrift) Vidare till DOI
Joel Oskarsson, Per Sidén, Fredrik Lindsten (2023) Temporal Graph Neural Networks for Irregular Data Proceedings of The 26th International Conference on Artificial Intelligence and Statistics, s. 4515-4531 (Konferensbidrag)

Forskning

Nyheter

Om avdelningen

Kollegor vid STIMA

Om institutionen