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..

Detta arbete är en undersökning som tar avstamp i summativ och formativ bedömning. Syftet med arbetet är att belysa elevernas syn på bedömning och på så sätt även belysa bedömningens betydelse i skolan. Kvalitativa intervjuer med fyra elever i nionde klass, samt en av deras lärare, ligger till grund för resultatet. Genom att analysera resultatet tillsammans med relevant litteratur så har jag kommit fram till att fördelarna med att använda formativ bedömning har nått ut till eleverna till viss del. I samband med bedömning så efterfrågar eleverna Feedforward, personlig kompetens hos lärarna, elevexempel och kontinuitet för att lära sig men ser inte bedömningen som en del av utvecklingen utan som ett slutgiltigt betyg.

Denna rapport jämför prestandan mellan state-of-the-art AI-botar i racing spelet TORCS och en AI-bot som kör med hjälp av ett artificiellt neuralt nätverk (ANN-bot). ANN-boten, som implementerades som en del av arbetet, använder en Feedforward arkitektur och backpropagation för inlärning. Ett separat program som användes för att träna det neurala nätverket med träningdata som spelats in från TORCS implementerades också. Som state-of-the-art AI-botar användes AI-botar som har använts i en tävling. De fyra AI-botarna testades på åtta olika banor och data om hur lång tid varje varv tog och hur snabbt AI-botarna körde sparades och sammanställdes. Resultaten visar att på banorna som ANN-boten klarar av att köra runt så är ANN-boten snabbare än en den långsamaste state-of-the-art boten, men ANNboten klara inte av majoriteten av banorna som den testades på.

Syftet med arbetet är att simulera tävlingar på medeldistans mellan löpare med en strategi att vinna och undvika muskeltrötthet. Löparna ses som agenter vars strategi realiseras med ett artificiellt neuronnät (ANN) som med sensorer, avstånd till mål och agentens trötthet beräknar bidragande kraft och styrriktning. Agentens ANN tränas med en belöningsbaserad inlärning baserad på genetiska algoritmer och trötthetsalgoritmen är en uppskattning av hur mjölksyra påverkar muskeltrötthet.Resultaten visar att av alla agenter som utvecklats för tävling mot klockan i s.k. time trial har alla haft samma strategi och hittat samma ideala kraft för att minimera tiden. Utvecklingen av agenter för simulation av flera agenter samtidigt har varit mer komplicerad eftersom agenterna påverkar varandra och agenternas strategi har varit olika.

I denna rapport utreds olika metoder för att kunna reglera vattennivån i vattenkraftverket Avesta Lillfors i Dalarna. Två kraftverk ligger endast 900 m uppströms och detta gör att svarstiderna blir korta och regleringen blir lätt nervös. Att använda sig av vattennivåreglering i ett kraftverk för-enklar dess styrning då anpassning till inflödet sker automatiskt.En flödestabell har tagits fram genom mätningar i turbinen, med hjälp av Winter-Kennedy-metoden. Denna tabell används för att kunna fram-koppla regulatorn och därmed dämpa stora variationer i inflödet. Dessu-tom har en modell av älven skapats och testats med en återkopplad PID-regulator.

I Sverige genomförs varje år offentliga upphandlingar till ett värde av ca 500 miljarder kronor. Alla offentligt finansierade verksamheter måste följa lagen om offentlig upphandling och den formella upphandlingsprocess som lagen specificerar. Lagen är allmänt formulerad och anvisar en process där fokus ligger på förarbete och matematisk utvärdering.Cognitive Systems Engineering har vuxit fram utifrån insikten att effektiva processer kontinuerligt behöver använda såväl feedback och Feedforward för att uppnå sina mål. Typiska tillämpningar är dynamiska, tätt kopplade processer där dessa behov är tydliga, men CSE som ramverk är generellt definierat och bör gälla även för en beslutsprocess på organisationsnivå. En CSE-analys har potential att förtydliga funktionella faktorer som tillåter upphandlare att genomföra effektiva och ändamålsenliga upphandlingar.I syftet att testa ovanstående hypotes genomfördes en fallstudie av Linköpings Universitets upphandling av företagshälsovård 2008.