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

Aastveit, Marthe Elisabeth; Cunen, Celine Marie Løken; Hjort, Nils Lid. A new framework for semi-Markovian parametric multi-state models with interval censoring. Statistical Methods in Medical Research (ISSN 0962-2802). doi: 10.1177/09622802231160550. 2023.

Barna, Danielle Marie; Engeland, Kolbjørn; Thorarinsdottir, Thordis Linda; Xu, Chong-Yu. Flexible and consistent Flood–Duration–Frequency modeling: A Bayesian approach. Journal of Hydrology (ISSN 0022-1694). 620 doi: 10.1016/j.jhydrol.2023.129448. 2023.

Yuan, Qifen; Thorarinsdottir, Thordis; Beldring, Stein; Wong, Wai Kwok; Xu, Chong-Yu. Assessing uncertainty in hydrological projections arising from local-scale internal variability of climate. Journal of Hydrology (ISSN 0022-1694). doi: 10.1016/j.jhydrol.2023.129415. 2023.

Howell, Daniel; Godiksen, Jane Aanestad; Tranang, Caroline Aas; Berg, Erik; Bernreuther, Matthias; Bogstad, Bjarte; Breivik, Olav Nikolai; Casas, Jose Miguel; Clain, Laura; Eidset, Elise; Eriksen, Elena; Fall, Johanna Jennifer Elisabeth; Fossheim, Maria; Gjøsæter, Harald; Gundersen, Sofie; Hallfredsson, Elvar Halldor; Höffle, Hannes; Johannessen, Edda; Nedreaas, Kjell Harald; Nielsen, Anders; Skaret, Georg; Staby, Arved; Stock, Brian; Subbey, Samuel; Tallman, Ross; Trochta, John Tyler; Vollen, Tone; Windsland, Kristin. Arctic Fisheries Working Group (AFWG; outputs from 2022 meeting). ICES Scientific Reports (ISSN 2618-1371). 5(18) pp 1-507. doi: 10.17895/ices.pub.20012675. 2023.

Tjøstheim, Dag Bjarne; Jullum, Martin; Løland, Anders. Some recent trends in embeddings of time series and dynamic networks. Journal of Time Series Analysis (ISSN 0143-9782). doi: 10.1111/jtsa.12677. 2023.

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