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.

Statistisk analyse for 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 20 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

Hubin, Aliaksandr; Storvik, Geir Olve; Frommlet, Florian. A Novel Algorithmic Approach to Bayesian Logic Regression. Bayesian Analysis (ISSN 1936-0975). doi: 10.1214/18-BA1141. 2018.

Liu, Qinghui; Salberg, Arnt Børre; Jenssen, Robert. A Comparison of Deep Learning Architectures for Semantic Mapping of Very High Resolution Images. In: IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium. (ISBN 978-1-5386-7150-4). pp 6943-6946. doi: 10.1109/IGARSS.2018.8518533. 2018. Full-text

Kermit, Martin Andreas; Hamar, Jarle Bauck; Trier, Øivind Due. Towards a national infrastructure for semi-automatic mapping of cultural heritage in Norway. In: Oceans of data. Proceedings of the 44th Annual Conference on Computer Applications and Quantitative Methods in Archaeology. (ISBN 9781784917302). pp 159-172. 2018. Full-text

Salberg, Arnt Børre; Larsen, Siri Øyen. Classification of Ocean Surface Slicks in Simulated Hybrid-Polarimetric SAR Data. IEEE Transactions on Geoscience and Remote Sensing (ISSN 0196-2892). 56(12) pp 7062-7073. doi: 10.1109/TGRS.2018.2847724. 2018. Full-text

Trier, Øivind Due; Cowley, David C.; Waldeland, Anders U.. Using deep neural networks on airborne laser scanning data: results from a case study of semi-automatic mapping of archaeological topography on Arran, Scotland. Archaeological Prospection (ISSN 1075-2196). 26(1) doi: 10.1002/arp.1731. 2018. Full-text

Publikasjoner i 2019, 2018, 2017, 2016, 2015, tidligere år