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.

Forskningen om artificiella immunsystem försöker använda människans immunförsvar som modell för hur ett datorsystem på egen hand skall kunna försvara sig mot okänt inkräktande, till skillnad från traditionella antiviruslösningar som bygger på manuell detektion av nya virus. Denna uppsats hävdar att människans immunförsvar inte är någon relevant modell för ett artificiellt immunsystem som tillgodoser användarnas behov av säkrare datorsystem, eftersom det finns skillnader i hur datorsystem och människor principiellt fungerar.Ett antal hypoteser ställs upp som beläggs med data från den immunologiska forskningen, Microsofts säkerhetsbulletiner, samt virusbeskrivningar från antivirusföretaget Sophos. Hypoteserna kopplas ihop i en slutledningskedja som visar att de hypoteser som relaterar till datorsystem, inte är förenliga med de hypoteser som relaterar till människans immunförsvar, om det artificiella immunsystemet skall tillgodose användarnas behov av säkrare datorsystem. Forskningen om artificiella immunsystem diskuteras, där de principer och antaganden som de olika lösningarna bygger på monteras ned genom att implicita inkonsistenser görs explicita. Uppsatsen avslutas med en belysning av varför hypoteserna egentligen går att belägga, där grundbulten är att människans immunförsvar skyddar behovet hos sin värd, den mänskliga individen, till skillnad från det artificiella immunsystemet, som inte är tänkt att skydda behovet hos sin värd, själva datorsystemet, utan snarare behovet hos användaren av datorsystemet..

I studien studeras hur komplexiteten kring sociala medier kan studeras, samt pa? vilket sa?tt sociala na?tverk a?r relaterade till na?tverken i sociala medier och hur det pa?verkar konsumenterna. Syftet med studien a?r att underso?ka de sociala medierna i fo?rha?llande till de sociala na?tverken med fokus pa? konsumentbeteende och da?rigenom skapa en generell modell som fo?rklarar problematiken. Studien bygger pa? en litteraturstudie som i fo?rsta hand sammansta?llts av artiklar med fokus pa? a?mnesomra?dena sociala na?tverk, elektroniska sociala na?tverk och sociala medier. En enka?tunderso?kning gjordes fo?r att sammansta?lla konsumenters a?sikter om a?mnesomra?dena, i syfte att tillslut utmynna i en analys och diskussion. Det ga?r att konstatera att sociala medier har vidgat det sociala na?tverket fo?r den enskilde konsumenten. Detta resulterar i att den enskilde konsumenten nu kan komma i kontakt med fler akto?rer och andra konsumenter som i ma?nga fall kan vara oka?nda.

Tra?dlo?sa sensorna?tverk byggs upp av tra?dlo?sa sensorer, som gemensamt arbetar fo?r att lo?sa en viss uppgift. Ett exempel pa? en sa?dan uppgift kan vara insamling av pollenniva?er i luften o?ver en stor yta. Sensornoderna vidarebefordrar datan sinsemellan tills den na?r en datainsamlingsnod na?gonstans i na?tverket da?r den sedan lagras och efterbehandlas.

SammanfattningDetta examensarbete har haft till syfte att ta fram nya metoder för automatiseradtestning och validering av information som skickas över CAN (Controller-Area-Network)i en tung Lastbil. Signalinnehållet realiseras i flertalet komplexa och distribueradesystem. En implementering har gjorts där loggad CAN-trafikdata från en HIL (HardwareIn the Loop) miljö automatiskt analyserats och testats.Testen har genomförts på två nivåer: funktionell och ickefunktionell. Där denickefunktionella delen har testat tidkrav på meddelanden med kompensation förtändningsstörningar. Dessutom har signalinnehållet testats för att finna ogiltigafelflaggor.

I dagens utveckling av robotkontrollers så finner vi olika synsätt på hur vi ska angripa problemen som en robot ställs inför. Det här arbetet koncentrerar sig på artificiella neurala nät (ANN) och evolution med genetiska algoritmer och en fokusering sker på en speciell arkitektur av ANN som Stefano Nolfi presenterat.Rapporten kan ses som en fortsättning på Nolfis arbete och behandlar extensioner av fenomenet "spontan modularitet" som Nolfi beskriver. Det testproblem som används består i att utveckla ett kontrollsystem för en skräpsamlande robot. Detta arbete baseras på experiment runt detta problem med arkitekturer, vilka baseras på Nolfis spontana modularitet. Vi testar hur arkitekturerna påverkas av interna och återkopplade noder.Resultaten visar på att en spontan modularitet inte tycks påverkas positivt av återkopplade eller interna noder..

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Rapporten som följer är en analys av en metod som genererar regler från neurala nätverk. Metoden heter VI-Analysis (Validity Interval Analysis) och är framtagen av Sebastian B. Thrun [Thrun]. VI-Analysis arbetar på det sättet att det neurala nätverket ses som en svart låda där endast de inputvärden och outputvärden som finns i nätverket används som underlag när regler ska genereras. Dessa inputvärden och outputvärden kommer sedan att få tillåtna intervall av VI-Analysis.

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Detta arbete undersöker två tekniker för att evaluera spelplanen i minimaxalgoritmen. Den tekniken som fokuseras mest på i arbetet är ett artificiellt neuralt nätverk som evolveras med hjälp av samevolution. Tekniken är utformad för att inte behöva någon tidigare mänsklig expertis. Den andra tekniken använder heuristiker och mänsklig expertis för att få fram evalueringsfunktionen. Spelet som används för att testa teknikerna är Kinaschack.Resultaten antyder att tekniken i fokus inte fungerar till spelet Kinaschack.