Fremgang på essayet
Etter tilbakemelding fra veileder om at det er best å gjøre et bredt litteratursøk, fremfor å gå i dybden på enkelte studier, har jeg startet med å samle inn og organisere relevant litteratur.
Essayet har en teori og background-del som kartlegger maskinlæring innen værforskning, og her har jeg forklart hvordan tradisjonell maskinlæring ikke har så mye slagkraft som de nyere deep learning teknikkene. Deretter legger jeg vekt på at det er CNN, RNN og transformer-arkitekturer som har vist seg å være mest effektive for å håndtere de komplekse og store datasettene som er vanlige i værforskning. Disse blir deretter utforsket i literaturen. En hver for hver type, samt en ekstra som tar en trasnformer lagd for global skala, modifisert ved bruk av norsk data.
Unik vinkling
Det finnes generelt ikke veldig mye norsk forskning tilgjengelig som bruker deep learning på vær, og enda mindre på ekstremvær/naturkatastrofer. Det finnes enda mindre i henhold til bruken av transformer-arkitekturer, som dermed kan være en vinkling som gjør oppgaven mer unik. Det er dermed også mye større prosesseringskraft nødvendig for å trene slike modeller, og dermed er det ikke sikkert jeg har nok data eller ressurser tilgjengelig for å kunne få til noe som har noen form for effekt.