Veranstaltungskalender:
![[Previous Month]](fileadmin/template/main/calendar/img/left_day.gif)
![[Next Month]](fileadmin/template/main/calendar/img/right_day.gif)
Kontakt
Dr. Hannes Nickisch |
| Adresse: | Spemannstr. 38 72076 Tübingen |
| Raum Nummer: | 222 |
| Tel.: | 07071 601 584 |
| Fax: | 07071 601 552 |
| E-Mail: |  hn |
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
Artikel (5): | |
|---|---|
| • |
Nickisch H  (February-2012) glm-ie: The Generalised Linear Models Inference and Estimation Toolbox
Journal of Machine Learning Research . eingereicht |
| • |
Seeger M und Nickisch H (March-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 (January-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 (October-2008) Approximations for Binary Gaussian Process Classification
Journal of Machine Learning Research 9 2035-2078.
|
Beiträge zu Tagungsbänden (8): | |
| • |
, Nickisch H und Rasmussen CA (January-2012) Additive Gaussian Processes
In: Advances in Neural Information Processing Systems 24, Twenty-Fifth Annual Conference on Neural Information Processing Systems (NIPS 2011), 226-234.
|
| • |
Seeger M und Nickisch H (April-2011) Fast Convergent Algorithms for Expectation Propagation Approximate Bayesian Inference
In: JMLR Workshop and Conference Proceedings Volume 15: AISTATS 2011, 14th International Conference on Artificial Intelligence and Statistics, MIT Press, Cambridge, MA, USA, 652-660.
|
| • |
Nickisch H , , und (December-2010) Learning an interactive segmentation system
Seventh Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP 2010), ACM Press, Nw York, NY, USA, 274-281.
|
| • |
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.
|
| • |
Seeger MW , Nickisch H , Pohmann R und Schölkopf B (June-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.
|
| • |
Nickisch H und Seeger MW (June-2009) Convex variational Bayesian inference for large scale generalized linear models
In: ICML 2009, 26th International Conference on Machine Learning, ACM Press, New York, NY, USA, 761-768.
|
| • |
Lampert CH , Nickisch H und Harmeling S (June-2009) Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer
In: CVPR 2009, IEEE Computer Society Conference on Computer Vision and Pattern Recognition, IEEE Service Center, Piscataway, NJ, USA, 951-958.
|
| • |
Seeger MW und Nickisch H (July-2008) Compressed Sensing and Bayesian Experimental Design
In: ICML 2008, 25th International Conference on Machine Learning, ACM Press, New York, NY, USA, 912-919.
|
Technische Berichte (6): | |
| • |
Nickisch H und : Multiple Kernel Learning: A Unifying Probabilistic Viewpoint, Max Planck Institute for Biological Cybernetics, (March-2011).
|
| • |
Seeger M und Nickisch H : Fast Convergent Algorithms for Expectation Propagation Approximate Bayesian Inference, Max Planck Institute for Biological Cybernetics, (December-2010).
|
| • |
Seeger M und Nickisch H : Large Scale Variational Inference and Experimental Design for Sparse Generalized Linear Models, Max Planck Institute for Biological Cybernetics, (August-2010).
|
| • |
Nickisch H und Rasmussen CE : Gaussian Mixture Modeling with Gaussian Process Latent Variable Models, Max Planck Institute for Biological Cybernetics, (June-2010).
|
| • |
Nickisch H , und : Learning an Interactive Segmentation System, Max Planck Institute for Biological Cybernetics, (December-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).
|
Poster (2): | |
| • |
Loktyushin A , Nickisch H und Pohmann R (October-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.
|
| • |
Seeger M , Nickisch H , Pohmann R und Schölkopf B (April-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.
|
Abschlussarbeiten (2): | |
| • |
Nickisch H : Bayesian Inference and Experimental Design for Large Generalised Linear Models, Technische Universität Berlin, Berlin, Germany, (September-17-2010).
PhD thesis
|
| • |
Nickisch H : Extraction of visual features from natural video data using Slow Feature Analysis, Technische Universität Berlin, Berlin, Germany, (September-2006).
Diplom thesis
|