23. utgaven av Geilo Vinterskole

Forelesningene fokuserte på en rekke emner relatert til beregningsstatistikk, som Markov Chain Monte Carlo, Reinforcement learning, Latent Gaussian Models og Bayesian Methods. I tillegg var det en rekke posterpresentasjoner fra deltakerne, som dekket et bredt spekter av forskningsemner.

Jeg er en PhD-student i anvendt matematikk ved UiB og presenterte en poster med tittelen 'Deep Learning for Acoustic Target Classification: Addressing Class-Imbalance with a Similarity-Based Sampling Approach'. Posteren min diskuterte hvordan man kan møte utfordringen med klasseubalanse i prøvetaking av trenings- og valideringsdata for dype konvolusjonelle nevrale nettverk. Strategien som foreslås i plakaten søker å prøve områder som inneholder alle forskjellige klasser likt, samtidig som bakgrunnsdata som har lignende egenskaper som forgrunnsklassen, prioriteres. Near-Miss-algoritmen brukes til å velge disse vanskelige områdene fra bakgrunnsklassen for å oppdage regioner der feilklassifisering er mer sannsynlig.

På arrangementet ble posteren min godt mottatt. Deltakerne viste stor interesse for temaet, og jeg kunne diskutere utfordringene med klasseubalanse i dyp læring og den foreslåtte algoritmen i detalj. I tillegg var deltakerne fascinert av CRIMAC-prosjektet, og jeg fikk sjansen til å snakke mer i dybden om prosjektet og dets mål.

Uken ga en utmerket mulighet til å lære og utveksle ideer med andre deltakere. I tillegg til formelle foredrag og presentasjoner ble det god tid til uformelle samtaler og nettverksbygging. De fremmøtte fikk også sjansen til å lære mer om CRIMAC-prosjektet ved Havforskningsinstituttet, som jeg er en del av.

Geilo Vinterskole var en flott opplevelse og ga en ideell plattform for å lære mer om den siste utviklingen innen beregningsstatistikk, samt å bygge nettverk med andre unge forskere. Jeg er takknemlig for muligheten til å delta og ser frem til neste årlige begivenhet.