Artificiella neurala nätverk (ANN) kan användas för att lära och efterlikna olika beteenden. I det här projektet används ANN för att kontrollera en bil i en simulatormiljö genom att lära upp nätverken med mänskliga exempel. Syftet med projektet är att ta reda på vilken kombination av parametrar det är som gör att en bil kan kontrolleras av ANN med ett bra resultat. Detta undersöks genom att skapa åtta olika artificiella förare som representerar olika kombinationer av parametrar och sedan jämföra förarnas beteende och resultat för att se vilken förare som klarar sig bäst. På så vis är det sedan möjligt att härleda vilken kombination av parametrar som är den bästa för att kontrollera en bil med ANN.

Denna rapport jämför två nätverksarkitekturer för artificiella neurala nätverk vars uppgift är att realisera ett styrsystem för ett fordon som det även skall lära sig att styra. Jämförelsen bygger på utförda experiment där de båda nätverken fick lära sig att styra ett fordon längs en slumpgenererad väg. Båda nätverken bygger på belöningsbaserad inlärning för att lära sig lösa uppgiften.Resultatet av utvärderingen visar både att nätverken inte hade några problem med att lära sig att styra fordonet och att de inte krävde lång tid för att kunna lära sig hur fordonet skulle styras. Resultaten visar inte heller att någon skillnad fanns i vare sig tillförlitlighet eller generaliseringsförmåga hos de båda nätverksarkitekturerna..

Ett av de stora problemen med gestigenkänning är det som kallas segmenteringsproblemet. Segmenteringsproblemet är problemet att hitta var en gest börjar och var den slutar, d v s att segmentera upp gester. I detta arbete testas en lösning till detta problem då gester består av figurer ritade i luften. Lösningen går ut på att använda två stycken artificiella neurala nätverk av strukturen FeedForward. Det ena nätverket tränas på att känna igen när handen accelererar från stillastående, vilket representerar starten av en gest, och det andra tränas på att känna igen när handen saktar ner till stillastående, vilket representerar slutet av en gest.

Detta arbete undersöker hur två olika nätverksarkitekturer för artificiella neurala nätverk fungerar i en testmiljö av shooter-karaktär. De två arkitekturer som undersöks är ett feedforward-nätverk samt ett elman-nätverk som tränas med hjälp av evolutionära algoritmer. Skillnaden på de två valda nätverksarkitekturerna är att det sistnämnda har ett korttidsminne.Resultaten visar att det i den testmiljö som använts inte är någon skillnad på de två nätverksarkitekturerna, utan de uppnår i princip samma resultat. Dock så har de beteenden som nätverken uppnått visat på att det är möjligt att använda agenter som är skapade av artificiella neurala nätverk i ett shooter-spel och att de kan generera bra resultat.Något som inte fokuserats på i detta arbete men som skulle vara intressant att kolla vidare på, är till exempel förändring av storleken på nätverken eller att undersöka om ett långtidsminne på det rekurrenta nätverket hade förändrat resultatet..

Arbetet som presenteras i den här rapporten handlar om ansiktsigenkänning från webbkameror med hjälp av principal component analysis samt artificiella neurala nätverk av typen feedforward. Arbetet förbättrar tekniken med hjälp av filterbaserade metoder som bland annat används inom ansiktsdetektering. Dessa filter bygger på att skicka med redundant data av delregioner av ansiktet..

Studien syftar till att undersöka användandet av kosttillskott och kunskaperna om desamma på gym. En enkätundersökning har genomförts med 73 svarande varav 39 (53,4 %) var män och 34 (46,6 %) var kvinnor. Av deltagarna i undersökningen tog 53,4 % (n=39) kosttillskott. Större andel av männen, 64,1 % (n=25), än av kvinnorna, 41,2 % (n=14) tog kosttillskott. 69,2 % (n=27) av de som tränade för att bygga muskler tog samtidigt kosttillskott.

Studien syftar till att undersöka användandet av kosttillskott och kunskaperna om desamma på gym. En enkätundersökning har genomförts med 73 svarande varav 39 (53,4 %) var män och 34 (46,6 %) var kvinnor. Av deltagarna i undersökningen tog 53,4 % (n=39) kosttillskott. Större andel av männen, 64,1 % (n=25), än av kvinnorna, 41,2 % (n=14) tog kosttillskott. 69,2 % (n=27) av de som tränade för att bygga muskler tog samtidigt kosttillskott.

Fysisk aktivitet är livsviktigt för människan, hon är konstruerad för rörelse. I det fysiskt inaktiva samhälle som vi idag lever i har en mängd folksjukdomar så som benskörhet, fetma och diabetes uppkommit på grund av den livsstil vi för. Vår livsstil läggs till grunden redan i barndomen och det är därför viktigt att vi tidigt uppmuntrar våra barn till att röra på sig. Det är dock inte enbart för att förebygga sjukdomar som det är viktigt med fysisk aktivitet. Rörelse är viktigt för barnets fysiska och psykiska utveckling.

Studien syftar till att undersöka användandet av kosttillskott och kunskaperna om desamma på gym. En enkätundersökning har genomförts med 73 svarande varav 39 (53,4 %) var män och 34 (46,6 %) var kvinnor. Av deltagarna i undersökningen tog 53,4 % (n=39) kosttillskott. Större andel av männen, 64,1 % (n=25), än av kvinnorna, 41,2 % (n=14) tog kosttillskott. 69,2 % (n=27) av de som tränade för att bygga muskler tog samtidigt kosttillskott.

Artificiella neuronnät (ANN), som tränas för att approximera ett problem, använder träningsdata från problemdomänen. Då denna mängd träningsdata kan vara ofullständig behövs det en analysmetod som visar hur nätverket uppför sig. En sådan analysmetod är invertering av nätverket. Invertering innebär att data som ger ett specifikt resultat i nätverket identifieras. Dessa resultat kan ge exempel som visar på brister eller felaktigheter i nätverket.

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.

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.

Denna undersökning ställer frågan hur manskropp i kombination med nakenhet, muskler, poser och blickar konstruerar maskulinitet och könsroller i bilder. Syftet med uppsatsen är att utifrån mansforskningens teorier och semiotisk metod granska bilder som förskjuter och omförhandlar maskulinitetens etablerade normer. Undersökningen tittar närmare på betydelsebärande markörer för att synliggöra hur den manliga kroppen har blivit viktig i bilden av mannen. Det didaktiska och bildpedagogiska syftet är att skapa ett medvetet och kritiskt tänkande kring bildens betydelse i konstruktionen av könsroller. Maskulinitet definieras i det kommersiella bildflödet och det är viktigt att förstå bilders sociala och kulturella innebörder.I den konstnärliga gestaltningen undersöks förskjutningen av maskulinitet i bild, och betydelsen av manskroppen när den förses med markörer betecknade som feminina och kvinnliga.

Artificiella neurala nätverk (ANN) har många användningsområden inom datavetenskap. Några av dessa är mönsterigenkänning, robotik, processkontroll, optimering och spel. Detta examensarbete kommer att handla om hur en alternativ lösning på den traditionella arkitekturen av hur ett neuralnät kan se ut. Jag kommer att undersöka om man kan ta ett stort och komplext neuralnät och bryta ned detta till mindre neuralnät utan att förlora kvaliteten på botarna i en spelmiljö kallad Open Nero. Detta för att försöka minska beräkningshastigheten av neuralnäten och förhoppningsvis även göra så botarna lär sig ett bra beteende snabbare.

Inom Försvarsmaktens vädertjänst används ett PC-program för att beräkna illuminansen från måne och stjärnor under loppet av en vald natt. Korrektion för moln görs därefter genom ett schematiskt förfarande. I detta arbete ges förslag till två förändringar av ljusprognosmodellen.1. Parametern ?markytans tillstånd? införlivas i modellen, samtidigt som hänsyn tas till mängden (och typen av) moln.