Contact

Dr. Hannes Nickisch

Adresse: Spemannstr. 38
72076 Tübingen
Raum Nummer: 222
Fax: 07071 601 552

 

Bild von Nickisch, Hannes, Dr.

Hannes Nickisch

Position: Wissenschaftler  Abteilung: 

My research is focussed on approximate inference and estimation in generalised linear models such as Gaussian processes and sparse linear models. Applications include MRI sequence design and image reconstruction as well as density estimation and classification.
For details, visit my homepage.

 

JOB
seit 03/11: Philips Research Laboratories Hamburg
Research Scientist

AUSBILDUNG
10/10 – 03/11: Max-Planck-Institut für biologische Kybernetik
Abteilung: Empirische Inferenz für maschinelles Lernen und Wahrnehmung
PostDoc

10/06 – 09/10: Max-Planck-Institut für biologische Kybernetik
Abteilung: Empirische Inferenz für maschinelles Lernen und Wahrnehmung
Doktorand

10/04 – 09/06: Technische Universität Berlin
Doppeldiplom Informatik (Maîtrise+Diplom)
Schwerpunkt: Künstliche Intelligenz, Neuroinformatik
Nebenfach: Statistik: Mustererkennung und Bildverarbeitung
Diplomarbeit: “Extraction of visual features from natural video data using Slow Feature Analysis”

09/03 – 06/04: Université de Nantes
DAAD-Stipendium für die Maîtrise d’Informatique (4. Studienjahr)
Schwerpunkte: Künstliche Intelligenz, Sprach- und Bildverarbeitung

10/01 – 08/03: Technische Universität Berlin
Vordiplom Informatik
Nebenfach: Kognitionswissenschaft

BERUFSPRAKTISCHE TÄTIGKEITEN
07/09 – 09/09: Microsoft Corporate Research, Cambridge, UK
Werkstudent in der Abteilung Computervision
Thema: Interaktive Segmentierung

07/05 – 10/05: Siemens Corporate Research, Princeton, US
Werkstudent in der Abteilung Imaging and Visualization
Evaluation und Implementierung von probalistischer Inferenz auf Bildern
Thema: Nonparametric Belief Propagation

10/04 – 09/06: Technische Universität Berlin
Studentische Hilfskraft im DFG-Projekt NeuRoBot
Neuronale biologisch inspirierte Steuerungsarchitektur für mobile Roboter
Merkmalsextraktion aus Videodaten (Optical Flow, Slow Feature Analysis)

07/04 – 09/04: Siemens Medical Solutions, Erlangen
Werkstudent in der Abteilung Magnetresonanz/Applikationsentwicklung
Realisierung eines Bildverarbeitungsalgorithmus auf MR-T1 Bildern
Thema: Skull Stripping (Extraktion des Gehirns aus einem 3D Datensatz)

10/02 – 06/03: Technische Universität Berlin
Studentische Hilfskraft im Fachbereich Neuroinformatik
Projekt innerhalb der Computational Neuroscience/Neurobiologie:
Kontrastadaptation in einer Orientierungskolumne im visuellen Kortex

Präferenzen: 
Referenzen pro Seite: Jahr: Medium:

  
Zeige Zusammenfassung

Artikel (7):

Loktyushin A, Nickisch H, Pohmann R und Schölkopf B (April-2015) Blind multirigid retrospective motion correction of MR images Magnetic Resonance in Medicine 73(4) 1457–1468.
Loktyuschin A, Nickisch H, Pohmann R und Schölkopf B (Dezember-2013) Blind Retrospective Motion Correction of MR Images Magnetic Resonance in Medicine 70(6) 1608–1618.
Nickisch H (Mai-2012) glm-ie: Generalised Linear Models Inference & Estimation Toolbox Journal of Machine Learning Research 13 1699−1703.
Seeger M und Nickisch H (März-2011) Large Scale Bayesian Inference and Experimental Design for Sparse Linear Models SIAM Journal on Imaging Sciences 4(1) 166-199.
Rasmussen CE und Nickisch H (November-2010) Gaussian Processes for Machine Learning (GPML) Toolbox Journal of Machine Learning Research 11 3011-3015.
Seeger M, Nickisch H, Pohmann R und Schölkopf B (Januar-2010) Optimization of k-Space Trajectories for Compressed Sensing by Bayesian Experimental Design Magnetic Resonance in Medicine 63(1) 116-126.
Nickisch H und Rasmussen CE (Oktober-2008) Approximations for Binary Gaussian Process Classification Journal of Machine Learning Research 9 2035-2078.
pdf

Beiträge zu Tagungsbänden (8):

Duvenaud D, Nickisch H und Rasmussen CA (Januar-2012) Additive Gaussian Processes In: Advances in Neural Information Processing Systems 24, , Twenty-Fifth Annual Conference on Neural Information Processing Systems (NIPS 2011), Curran, Red Hook, NY, USA, 226-234.
pdf
Seeger M und Nickisch H (April-2011) Fast Convergent Algorithms for Expectation Propagation Approximate Bayesian Inference, 14th International Conference on Artificial Intelligence and Statistics (AISTATS 2011), International Machine Learning Society, Madison, WI, USA, 652-660, Series: JMLR Workshop and Conference Proceedings ; 15.
pdf
Nickisch H, Rother C, Kohli P und Rhemann C (Dezember-2010) Learning an interactive segmentation system, Seventh Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP 2010), ACM Press, New York, NY, USA, 274-281.
pdf
Nickisch H und Rasmussen CE (September-2010) Gaussian Mixture Modeling with Gaussian Process Latent Variable Models In: Pattern Recognition, , 32nd Annual Symposium of the German Association for Pattern Recognition (DAGM 2010), Springer, Berlin, Germany, 271-282, Series: Lecture Notes in Computer Science ; 6376.
pdf
Seeger MW, Nickisch H, Pohmann R und Schölkopf B (Juni-2009) Bayesian Experimental Design of Magnetic Resonance Imaging Sequences In: Advances in neural information processing systems 21, , Twenty-Second Annual Conference on Neural Information Processing Systems (NIPS 2008), Curran, Red Hook, NY, USA, 1441-1448.
pdf
Nickisch H und Seeger MW (Juni-2009) Convex variational Bayesian inference for large scale generalized linear models, 26th International Conference on Machine Learning (ICML 2009), ACM Press, New York, NY, USA, 761-768.
pdf
Lampert CH, Nickisch H und Harmeling S (Juni-2009) Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2009), IEEE Service Center, Piscataway, NJ, USA, 951-958.
pdf
Seeger MW und Nickisch H (Juli-2008) Compressed Sensing and Bayesian Experimental Design, 25th International Conference on Machine Learning (ICML 2008), ACM Press, New York, NY, USA, 912-919.
pdfpdf

Technische Berichte (6):

Nickisch H und Seeger M: Multiple Kernel Learning: A Unifying Probabilistic Viewpoint, Max Planck Institute for Biological Cybernetics, Tübingen, Germany, (März-2011).
Seeger M und Nickisch H: Fast Convergent Algorithms for Expectation Propagation Approximate Bayesian Inference, Max Planck Institute for Biological Cybernetics, Tübingen, Germany, (Dezember-2010).
Seeger M und Nickisch H: Large Scale Variational Inference and Experimental Design for Sparse Generalized Linear Models, Max Planck Institute for Biological Cybernetics, Tübingen, Germany, (August-2010).
Nickisch H und Rasmussen CE: Gaussian Mixture Modeling with Gaussian Process Latent Variable Models, Max Planck Institute for Biological Cybernetics, Tübingen, Germany, (Juni-2010).
Nickisch H, Kohli P und Rother C: Learning an Interactive Segmentation System, Max Planck Institute for Biological Cybernetics, Tübingen, Germany, (Dezember-13-2009).
Seeger MW und Nickisch H: Large Scale Variational Inference and Experimental Design for Sparse Generalized Linear Models, 175, Max-Planck Institute for Biological Cybernetics, Tübingen, Germany, (September-2008).
pdf

Poster (4):

Loktyushin A, Nickisch H, Pohmann R und Schölkopf B (Mai-9-2012): Blind Retrospective Motion Correction of MR Images, 20th Annual Meeting and Exhibition of the International Society for Magnetic Resonance in Medicine (ISMRM 2012), Melbourne, Australia.
Loktyushin A, Nickisch H und Pohmann R (Oktober-2011): Retrospective blind motion correction of MR images, 28th Annual Scientific Meeting ESMRMB 2011, Leipzig, Germany, Magnetic Resonance Materials in Physics, Biology and Medicine, 24(Supplement 1) 498.
pdf
Lippert C, Stegle O, Nickisch H, Borgwardt K und Weigel D (Juli-2010): Experimental design for genome-wide association studies, 18th Annual International Conference on Intelligent Systems for Molecular Biology (ISMB 2010), Boston, MA, USA, F1000Posters, 2010(1) 324.
Seeger M, Nickisch H, Pohmann R und Schölkopf B (April-21-2009): Optimization of k-Space Trajectories by Bayesian Experimental Design, 17th Annual Meeting of the International Society for Magnetic Resonance in Medicine (ISMRM 2009), Honolulu, HI, USA.
pdf

Abschlussarbeiten (2):

Nickisch H: Bayesian Inference and Experimental Design for Large Generalised Linear Models, Technische Universität Berlin, Berlin, Germany, (September-17-2010). PhD thesis
pdf
Nickisch H: Extraction of visual features from natural video data using Slow Feature Analysis, Technische Universität Berlin, Berlin, Germany, (September-2006). Diplom thesis
pdf

Vorträge (2):

Loktyushin A, Nickisch H, Pohmann R und Schölkopf B (Oktober-4-2013) Abstract Talk: Multi-rigid motion correction of MR images, 30th Annual Scientific Meeting ESMRMB 2013, Toulouse, France, Magnetic Resonance Materials in Physics, Biology and Medicine, 26(Supplement 1) 176.
Seeger M, Nickisch H, Pohmann R und Schölkopf B (November-20-2008) Invited Lecture: Bayesian Optimization of Magnetic Resonance Imaging Sequences, Workshop Machine Learning Approaches to Representational Learning and Recognition in Vision, Frankfurt a.M., Germany.

Export als:
BibTeX, XML, pubman, Edoc, RTF
Last updated: Montag, 22.05.2017