joeos82

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

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)
Theodor Westny, Joel Oskarsson, Björn Olofsson, Erik Frisk (2023) Evaluation of Differentially Constrained Motion Models for Graph-Based Trajectory Prediction 2023 IEEE INTELLIGENT VEHICLES SYMPOSIUM, IV (Konferensbidrag) Vidare till DOI
Theodor Westny, Joel Oskarsson, Björn Olofsson, Erik Frisk (2023) MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction with Neural ODEs

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 (Konferensbidrag)

Forskning

Nyheter

Om avdelningen

Kollegor vid STIMA

Om institutionen