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.

Examensarbetet har genomförts med utveckling och undersökning av signalbehandlingsalgoritmer för MEMS-gyron. Idag används många MEMS-gyron i olika elektronikprodukter. Företaget Motion Control utvecklar elektronik och inbyggd programvara och de har bland annat tagit fram MultiPos, som är en huvudmus för rörelsehindrade. MultiPos är en MEMS-gyro-baserad datormus. MEMS-gyron används för att känna av huvudrörelser som användaren gör, men det är önskvärt med en bättre signalbehandling, d.v.s.

Examensarbetet har genomförts med utveckling och undersökning av signalbehandlingsalgoritmer för MEMS-gyron. Idag används många MEMS-gyron i olika elektronikprodukter. Företaget Motion Control utvecklar elektronik och inbyggd programvara och de har bland annat tagit fram MultiPos, som är en huvudmus för rörelsehindrade. MultiPos är en MEMS-gyro-baserad datormus. MEMS-gyron används för att känna av huvudrörelser som användaren gör, men det är önskvärt med en bättre signalbehandling, d.v.s.

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.

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.

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.

Evolution och tillståndsmaskiner är kända koncept inom både AI-forskning och spelindustrin. Tillståndsmaskiner har länge använts för att simulera artificella motståndare, samtidigt som evolution i många fall applicerats för att få agenter att själva upptäcka bra lösningar på problem. Arbetet använder sig av evolution för att undersöka om det går att evolvera fram bättre tillståndsövergångar i en stokastisk tillståndsmaskin än hos en fördefinierad tillståndsmaskin. Två homogena lag med två agenter vardera skapas, vilka tävlar på en arena där det går ut på att döda det andra laget först. Det ena laget delar en ständigt evolverande beteendemall medan det andra laget består av fördefinierade agenter, på så sätt att de har bedömts som duktiga på att spela spelet.

Evolution och tillståndsmaskiner är kända koncept inom både AI-forskning och spelindustrin. Tillståndsmaskiner har länge använts för att simulera artificella motståndare, samtidigt som evolution i många fall applicerats för att få agenter att själva upptäcka bra lösningar på problem. Arbetet använder sig av evolution för att undersöka om det går att evolvera fram bättre tillståndsövergångar i en stokastisk tillståndsmaskin än hos en fördefinierad tillståndsmaskin. Två homogena lag med två agenter vardera skapas, vilka tävlar på en arena där det går ut på att döda det andra laget först. Det ena laget delar en ständigt evolverande beteendemall medan det andra laget består av fördefinierade agenter, på så sätt att de har bedömts som duktiga på att spela spelet.

Denna rapport har jämfört olika path tracking-algoritmer för att se vilken som presterar bäst för spelagenter som färdas i konstant hastighet. Tre vanliga path tracking algoritmer som ofta används inom robotik har valts ut för undersökningen, Follow The Carrot, Pure Pursuit och Vector Pursuit. Algoritmerna har implementerats i C# och simuleringarna har genomförts i Unity 4.0. Path tracking-algoritmerna har testats på ett antal olika vägar för att se hur de lyckas följa vägen. Av simuleringarna så visar det sig att Pure Pursuit och Vector Pursuit presterade likvärdigt för spelagenter i konstant hastighet samt att de presterade bättre än Follow The Carrot..

Sveriges Radio sparar sin data i stora arkiv vilket gör det svårt att hitta specifik information. På grund av denna storlek blir uppgiften att hitta specifik information om händelser ett stort problem. För att lösa problemet krävs en mer konsekvent användning av metadata, därför har en undersökning om metadata och nyckelordsgenerering gjorts.Arbetet gick ut på att utveckla en algoritm som automatisk kan generera nyckelord från transkriberade radioprogram. Det ingick också i arbetet att göra en undersökning av tidigare arbeten för att se vilka system och algoritmer som kan användas för att generera nyckelord. Dessutom utvecklades en applikation som generar färdiga nyckelord som förslag till en användare.

Beroende på i vilken miljö man har tänkt att använda trådlös kommunikation behöver man hitta en modulationsteknik som passar under rådande förhållanden. I början på 1980-talet utvecklade den Amerikanska militären en modulationsteknik som kallas för Shaped BPSK (SBPSK) avsedd att tillämpas i kommunikationslänkar med satelliter. Vidareutveckling av SBPSK ledde sedan fram till en förbättrad variant kallad Shaped O?set QPSK (SOQPSK). På senare år har denna modulationsteknik börjat användas i civila tillämpningar och vidareutvecklats ytterligare för att ge den än bättre prestanda.

Vid designande av artificiella nätverk (ANN) är en viktig fas att identifiera en bra topologi. Topologin har betydelse för hur väl ett ANN klara att klassificera tidigare osedd data och även hur väl ett ANN klarar av att klassificera generellt. Ett sätt att automatisera detta designarbete är att använda Genetiska algoritmer. Att använda GA för att evolvera ANN kallas neuroevolution.Vid användande av neuroevolution sker en automatisering av nätverksdesignen. Men eftersom GA använder en population, d.v.s.

I den här rapporten utvärderas ett antal olika collaborative filtering algoritmer för att ta reda på vilken av dess som lämpar sig bäst för att implementera åt PlanEatSmile i en PHP/MySQL-miljö. Målet är att hitta en algoritm som klarar av att skapa rekommendationer i realtid och med hög precision. Därtill är det viktigt att algoritmen ska kunna skapa rekommendationer åt nya användare (cold-start-problemet) samt att algoritmen ska skala väl när sajten växer.De algoritmer som undersöks är user-based collaborative filtering, item-based collaborative filtering och tendencies collaborative filtering. Samtliga algoritmer undersöks i två versioner. En version som utgår ifrån receptbetyget och en version som omvandlar receptbetygen till  ingrediensbetyg.Algoritmerna testas på data insamlat genom en enkät för att avgöra deras precision.

Ataxi är då hunden har svårt att koordinera sina rörelser och orsakas av att nervsystemet inte fungerar som det ska och degenereras. Degeneration av cerebellum och då specifikt purkinjecellerna och granulacellerna ger en form av ataxi kallat cerebellär ataxi. Denna typ av ataxi uppvisas genom att hunden (Canis lupus familiaris) står bredbent, har muskelkramper, obalanserad gång och ögonrullningar. Den genetiska bakgrunden till cerebellär ataxi hos hund finns beskriven hos flera raser, däribland beagle, finsk stövare, old english sheepdog, gordonsetter och coton de tuléar. Hos alla dessa raser nedärvs sjukdomen autosomalt recessivt och de orsakande mutationerna ger olika dysfunktioner inom nervcellerna som gör att de inte kan fungera som de ska och degenereras.

Diversiteten bland gener som ger resistens (R) mot infektionssjukdomar är mycket stor i växtriket, särskilt i den effektorutlösta klassen av försvaret. Denna artikel beskriver interaktioner mellan växters effektorutlösta fösvar och patogeners effektorproteiner och undersöker evolutionära och genetiska mekanismer för uppkomsten av ny resistens. R-genprodukter har en typisk domänstruktur och interagerar både direkt och indirekt med patogeners effektorproteiner.Vid kontakt med ett effektorprotein utlöses en försvarsrespons som kan förhindra fortsatt patogen tillväxt. Flera genetiska mekanismer verkar samtidigt på R-gener, något som resulterar i en hög hastighet för uppkomst av nya R-varianter. Den intima samevolution som existerar hos många patogen-växtsystem formar det evolutionära utvecklingsmönstret av R-gener.