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

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 klima, miljø, marin og helse

Vi dekker et bredt spekter av anvendelsesområder innen klima, miljø, marin og helse. Vi jobber blant annet med estimering av klimasensitivitet, rekonstruering av tidligere globalt klima, forurensning i luft og vann, bestandsestimering av vill fisk og hval, og vi driver også med forskning i genomikk og bioinformatikk.

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

Lison, Pierre; Kennington, Casey. Incremental Processing for Neural Conversational Models. SemDial Proceedings (ISSN 2308-2275). pp 162-163. 2017. Full-text

Lison, Pierre; Bibauw, Serge. Not All Dialogues are Created Equal: Instance Weighting for Neural Conversational Models. In: 18th Annual SIGdial Meeting on Discourse and Dialogue (SIGDIAL 2017). (ISBN 978-1-945626-82-1). pp 384-394. 2017.

Aldrin, Magne Tommy; Huseby, Ragnar Bang; Stien, Audun; Grøntvedt, Randi Nygaard; Viljugrein, Hildegunn; Jansen, Peder A. A stage-structured Bayesian hierarchical model for salmon lice populations at individual salmon farms – Estimated from multiple farm data sets. Ecological Modelling (ISSN 0304-3800). 359 pp 333-348. doi: 10.1016/j.ecolmodel.2017.05.019. 2017.

Gjerden, Pål; Bramness, Jørgen Gustav; Tvete, Ingunn Fride; Slørdal, Lars. The antipsychotic agent quetiapine is increasingly not used as such: dispensed prescriptions in Norway 2004–2015. European Journal of Clinical Pharmacology (ISSN 0031-6970). 73(9) pp 1173-1179. doi: 10.1007/s00228-017-2281-8. 2017.

Salberg, Arnt Børre; Trier, Øivind Due; Kampffmeyer, Michael C.. Large-Scale Mapping of Small Roads in Lidar Images Using Deep Convolutional Neural Networks. In: Image Analysis 20th Scandinavian Conference, SCIA 2017 Tromsø, Norway, June 12–14, 2017 Proceedings, Part II. (ISBN 978-3-319-59128-5). pp 193-204. doi: 10.1007%2F978-3-319-59129-2_17. 2017.

Publikasjoner i 2017, 2016, 2015, 2014, 2013, tidligere år