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..

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.

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.

Den artificiella intelligensen i spel brukar ofta använda sig utav regelbaserade tekniker för dess beteende. Detta har gjort att de artificiella agenterna blivit förutsägbara, vilket är väldigt tydligt för sportspel. Det här arbetet har utvärderat ifall inlärningstekniken Q-learning är bättre på att spela fotboll än en regelbaserade tekniken tillståndsmaskin. För att utvärdera detta har en förenklad fotbollssimulering skapats. Där de båda lagen har använts sig av varsin teknik.

Luktsinnet anses inte vara människans mest nyanserade sinne och används ofta för att upptäcka potentiella faror. Luktsinnet använd dock inte endast som en överlevnadsinstinkt utan den ger oss möjligheten att emotionellt värdera vår omgivning. Denna studie avser att undersöka skillnader i attityd som kan finnas gentemot olika dofter; artificiellt eller naturligt framtagna dofter. Studien avser även att undersöka attityder mot generell doftsättning. Ett experiment har legat i grund för studien där det förväntade utfallet var att naturligt framtagna dofter anses vara mer behagliga än artificiella och att miljöer får högre acceptans för doftsättning än vad doftsättning av produkter får.

Fokus i examensarbetet ligger i att kartlägga likheter och skillnader i inlärning hos människor/djur och artificiella system genom att jämföra inlärningshastigheter och avkligningstider. Förhoppningen är att detta i förlängningen bidrar till ökad förståelse för och därmed förbättrad interaktion mellan artificiell och mänsklig intelligens. Arbetet bygger i huvudsak på teorier av B.F. Skinner och hans bok The behavior of organisms som gavs ut 1938. Hans teorier och experiment jämfördes med dagens kunskap om artificiell intelligens och ett eget experiment med artificiella neurala nätverk genomfördes.

Luktsinnet anses inte vara människans mest nyanserade sinne och används ofta för att upptäcka potentiella faror. Luktsinnet använd dock inte endast som en överlevnadsinstinkt utan den ger oss möjligheten att emotionellt värdera vår omgivning. Denna studie avser att undersöka skillnader i attityd som kan finnas gentemot olika dofter; artificiellt eller naturligt framtagna dofter. Studien avser även att undersöka attityder mot generell doftsättning. Ett experiment har legat i grund för studien där det förväntade utfallet var att naturligt framtagna dofter anses vara mer behagliga än artificiella och att miljöer får högre acceptans för doftsättning än vad doftsättning av produkter får.

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. Mitt examensarbete kommer att visa att min lösning av arkitekturen för ett neuralt nätverk inte fungerar speciellt bra då botarna inte lärde sig tillräckligt fort.

Detta arbete använder genetiska algoritmer för att få fram ANN hos boids utifrån två uppsättningar regler och jämför de resulterande beteendena med varandra. Boids är simulerade fåglar i en fågelflock som var för sig styrs med enkla regler men som tillsammans bildar ett flockbeteende. Genetiska algoritmer liknar naturens evolution. En population vars egenskaper kodas på ett genom blir bättre på de egenskaperna genom att de bästa individerna väljs ut och får utvecklas mer medans de sämre rensas bort. ANN står för artificiella neurala närvek och ska likna biologiska neurala nätverk och ska med andra ord fungera som en hjärna.

Detta arbete ligger i gränssnittet mellan landskapsarkitektur och konst. Det riktarsig främst till landskapsarkitekter. Syftet har varit att undersöka hur man utifrånkonstnären Olafur Eliassons och landskapsarkitekten Stig L. Anderssons tankarkan skapa artificiella naturupplevelser i en stadsmiljö. En artificiellnaturupplevelse är något som känns som en upplevelse av natur men som ärgenererad av en konstruktion i en byggd miljö.