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 og industri

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

Choi, Changkyu; Kampffmeyer, Michael; Jenssen, Robert; Handegard, Nils Olav; Salberg, Arnt-Børre. Deep Semi-Supervised Semantic Segmentation in Multi-Frequency Echosounder Data. IEEE Journal of Oceanic Engineering (ISSN 0364-9059). doi: 10.1109/JOE.2022.3226214. 2023.

Tvete, Ingunn Fride; Aldrin, Magne Tommy; Jensen, Britt Bang. Towards better survival: Modeling drivers for daily mortality in Norwegian Atlantic salmon farming. Preventive Veterinary Medicine (ISSN 0167-5877). 210 doi: doi.org/10.1016/j.prevetmed.2022.105798. 2023.

Bellier, Joseph; Whitin, Brett; Scheuerer, Michael; Brown, James; Hamill, Thomas M.. A multi-temporal-scale modulation mechanism for the post-processing of precipitation ensemble forecasts: Benefits for streamflow forecasting. Journal of Hydrometeorology (ISSN 1525-755X). doi: 10.1175/JHM-D-22-0119.1. 2023.

Switanek, Matthew B.; Hamill, Thomas M.; Long, Lindsey N.; Scheuerer, Michael. Predicting subseasonal tropical cyclone activity using NOAA and ECMWF reforecasts. Weather and forecasting (ISSN 0882-8156). doi: 10.1175/WAF-D-22-0124.1. 2022.

Vitelli, Valeria; Fleischer, Thomas; Ankill, Jørgen; Arjas, Elja; Frigessi, Arnoldo; Kristensen, Vessela N.; Zucknick, Manuela. Transcriptomic pan-cancer analysis using rank-based Bayesian inference. Molecular Oncology (ISSN 1574-7891). doi: 10.1002/1878-0261.13354. 2022.

Publikasjoner i 2023, 2022, 2021, 2020, 2019, tidligere år