Procedurell generering innebär att innehåll genereras automatiskt istället för att skapas för hand. En form av procedurell generering är att inte bara generera innehåll en gång, utan även fortsätta uppdatera innehållet allteftersom tiden går. Ett intressant användningsområde för detta är Artificiella Ekosystem, där växtligheten hela tiden uppdateras dynamiskt baserat på förhållandena i världen. Detta kan skapa mer variation och dynamik i dataspelsvärldar men kan också användas för att skapa spel med fokus på ekosystemet, exempelvis med ett pedagogiskt syfte. Målet med detta arbete är därför att utveckla en modell för simulering av Artificiella Ekosystem i dataspel, där systemet uppdateras dynamiskt.

Samtidigt som datorernas hårdvara utvecklas i en hög takt blir datorspelen allt mer grafiskt tilltalande. Möjligheten att lägga vissa av dessa resurser på nytänkande speldesigner har till stor del försummats, och detta arbete handlar om att skapa ett automatiskt genererat ekosystem som ständigt är under utveckling. Arbetet har två egentliga mål, där det första går ut på att utveckla en arkitektur och sedan utvärdera den genom en mängd designade scenarion. Problemet ligger främst i att identifiera vilka faktorer som påverkar ett ekosystem på ett sätt som skulle ha varit intressant att använda i en speldesign, och sedan skapa växter som kan leva samt fortplanta sig inom olika naturområden. För att testa arkitekturen på ett konkret sätt utvecklas en applikation där ett ekosystem kan simuleras.

Artificiella Ekosystem är en tillämpning av artificiell intelligens som har funnits länge. Användningsområden för Artificiella Ekosystem innefattar främst biologiska simulationer men även andra typer av simulationer förekommer. Genom att simulera individuella djur blir den artificiella intelligensens uppgift att styra djurens beslut utifrån dess individuella förutsättningar och kamp för överlevnad. Detta arbete behandlar frågeställningen vilken beslutsalgoritm som är bäst lämpad att för att använda till ett artificiellt ekosystem i ett spel. Två beslutsalgoritmer jämförs, en dynamisk som bygger på maskin inlärning och en statisk som inte är kapabel att lära eller minnas.

Målet med detta verk var att undersöka vilken AI-teknik som är mest lämpad att styra beteende i ett artificiellt ekosystem. En tillståndsmaskin och en genetisk algoritm har implementerats. Dessa AI-tekniker har jämförts med avseende på tre olika aspekter: effektivitet, anpassningsbarhet och flexibilitet. För att kunna genomföra tester har individer och en experimentmiljö implementerats. Testerna gjordes på fyra olika banor.

Olika modeller har genom aren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät. Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som gerbra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronn at av typen feedforwardutvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar.

Ekologi är en central del inom biologin och studier visar att elever har svårt för att resonera kring ekologi. Med hjälp av brickintervjuer har några gymnasieelevers förmåga att använda artkunskap vid tolkning av ett ekosystem studerats. Brickintervjuer är en form av kvalitativ intervjumetod, där eleverna får resonera kring föremål från ett ekosystem. Dessa intervjuer utfördes före och efter en kurs om det rinnande vattnets ekologi. Jag fann i min studie att fyra av fem elever förbättrade sina artkunskaper under kursen och dessa fyra elever kunde dessutom uttrycka en ökad förståelse för ekosystemet.

Syftet med studien är att utröna hur viktig fotosyntesen är när elever beskriver ett ekosystem. I dagens undervisning läggs det mycket tid på att eleverna ska lära sig fotosyntesbegreppet. Tidigare studier har visat att elever har svårt att förstå fotosyntesen, och vi vill med vår studie undersöka om det finns en koppling mellan förståelse av fotosyntesen och användningen av fotosyntesen i beskrivningen av ett ekosystem. Intervjuer med gymnasieelever genomfördes vid två tillfällen. Vid det första tillfället fick eleverna svara på frågor om fotosyntesen och respirationen, och vid det andra tillfället beskrev de ekologin i ett akvarie.

Detta arbete handlar om beteendeinriktad biometri och artificiella neuronnät av typen feedforward och hur de tillsammans kan användas för att verifiera användare. Det har av tidigare arbete bekräftats att det är möjligt att verifiera användare, men tidigare resultat har däremot inte utfört tester med avseende på avvikelser i data (beteende) och dess inverkan på verifieringen. Det är detta som utgör det huvudsakliga målet för detta arbete, nämligen att undersöka hur avvikelser i data påverkar verifiering och utifrån det också undersöka neuronnätens noggrannhet vid verifiering..

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.