SAMBA

Avdelingen SAMBA har omfattende teoretisk og praktisk kompetanse innen feltene statistisk analyse, maskinlæring og bildeanalyse. Som en av Europas største og mest kompetente grupper innen anvendt statistikk og statistisk-matematisk modellering dekker vi et bredt spekter av metoder. Å velge riktige metoder til ulike problemer er dermed en av våre sterke sider. Mange beregninger er beheftet med usikkerhet og nøyaktig beregning av denne størrelsen er en viktig spesialitet.

Forskningsområder

Statistikk i klima og miljø

Aktiviteten innenfor klima og miljø omfatter såvel anvendte problemstillinger som grunnforskning helt i fronten av internasjonalt arbeid innen feltet.

Statistikk i finans, forsikring og råvaremarkeder

Vi bruker statistisk metodikk til å kvantifisere alle former for risiko innen bank-, forsikrings- og råvaremarkeder. Vi jobber mye med modeller knyttet til regelverkene Basel II og Solvens II og har utviklet et stort antall systemer knyttet til trading og risikostyring for ulike kraftselskaper.

Statistikk i marine ressurser og helse

Vi dekker et bredt spekter av anvendelsesområder innen feltene marine ressurser og helse.

Statistikk for teknologi, industri og forvaltning

Vi dekker et bredt spekter av bruksområder, inkludert prognoser, tidsserieanalyse, nettverksmodellering, optimal levering, logistikk, optimal styring av industriprosesser, pålitelighetsanalyse, kostnadsundersøkelser og analyse av svært store datasett.

Jordobservasjon

Vi utfører forskning og utvikling av metoder for analyse av digitale fjernmålingsdata fra satellitter og fly. Bruksområder inkluderer miljøovervåkning, overvåkning av klimaendringer, deteksjon av naturkatastrofer, naturressurskartlegging og kartrevisjon.

Bildeanalyse og maskinlæring

Vi har omfattende kunnskap og mer enn 30 års erfaring innen bildeanalyse og maskinlæring mot et bredt spekter av anvendelsesområder. Deteksjon, karakterisering og gjenkjenning av objekter i både bilder og bildesekvenser er sentrale temaer for mange av våre prosjekter. Et annet sentralt tema er mønstergjenkjenning i tekst.

Big Insight

Big Insight er et senter for forskningsdrevet innovasjon finansiert av Norges forskningsråd. Senteret har et nært samarbeid med universiteter, offentlige partnere og bedriftspartnere.

Siste 5 vitenskapelige artikler

Kampffmeyer, Michael; Aas, Kjersti; Jenssen, Robert. Learning latent representations of bank customers with the Variational Autoencoder. Expert systems with applications (ISSN 0957-4174). doi: 10.1016/j.eswa.2020.114020. 2020.

Liu, Qinghui; Kampffmeyer, Michael; Jenssen, Robert; Salberg, Arnt Børre. Multi-View Self-Constructing Graph Convolutional Networks With Adaptive Class Weighting Loss for Semantic Segmentation. In: IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops 2020. (ISBN 978-1-7281-9360-1). pp 199-205. doi: 10.1109/CVPRW50498.2020.00030. 2020.

Andrade Mancisidor, Rogelio; Kampffmeyer, Michael; Aas, Kjersti; Jenssen, Robert. Deep generative models for reject inference in credit scoring. Knowledge-Based Systems (ISSN 0950-7051). 196 doi: 10.1016/j.knosys.2020.105758. 2020.

Ordonez, Alba; Eikvil, Line; Salberg, Arnt-Børre; Harbitz, Alf; Murray, Sean Meling; Kampffmeyer, Michael. Explaining decisions of deep neural networks used for fish age prediction. PLOS ONE (ISSN 1932-6203). 15(6) doi: 10.1371/journal.pone.0235013. 2020.

Lison, Pierre; Barnes, Jeremy; Hubin, Aliaksandr; Touileb, Samia. Named Entity Recognition without Labelled Data: A Weak Supervision Approach. In: Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. (ISBN 978-1-952148-25-5). pp 1518-1533. 2020.

Publikasjoner i 2020, 2019, 2018, 2017, 2016, tidligere år