Syfte och frågeställningarSyftet med den här studien var att försöka ta reda på vad som motiverar framgångsrika elitidrottare. För att besvara syftet används följande frågeställningar: Hur kom dem i kontakt med idrotten?Hur har med- och motgångar hanterats?Vad är det som har drivit dem framåt?Finns det någon person/personer som har betytt väldigt mycket för dem?Vilken är den viktigaste egenskapen för att nå framgång enligt dem?MetodEn kvalitativ metod har använts där fyra stycken individer varav två män och två kvinnor har intervjuats. Undersökningsgruppen utgjordes av elitaktiva kampsportare mellan 20 och 35 år. Urvalet grundades på goda meriter både nationellt och internationellt.

Examensarbetet gjordes i samarbete med Maria Westerlind AB och målsättningen var att ta fram femton modeller inför våren 2011, varav tre har valts ut för närmare analys. Konstruktionerna gjordes i Lectras programvara Modaris, dels från färdiga modeller, dels från befintliga grunder. Rapporten beskriver tillvägagångssättet för konstruktionen av de tre utvalda modellerna och redovisar resultaten av de förstaprover som sytts upp baserat på dessa konstruktioner. Utifrån detta har en jämförelse gjorts mellan för- och nackdelar för de olika tillvägagångssätten och slutsatsen blir att det är svårt att föredra det ena före det andra eftersom tillvägagångssättet bör väljas baserat på modellen som skall konstrueras men att upprättandet av ett bibliotek med konstruktionsunderlag skulle kunna vara användbart i framtiden..

Arbetet inleddes med ett möte med Evonova där projektet diskuterades. Företagets inledandetankegångar och idéer kring produkten framgick och arbetet påbörjades.Under arbetets gång följdes Fredy Olssons anvisningar i hur en teknisk rapport ska se ut. Alltinleddes med en brainstorm och kundundersökning. Kundundersökningens resultat mynnadeut i en kravprofil, till denna tillkom även Evonovas krav och önskningar. Kravprofilenanvändes när vi sållade ut lösningar från brainstormen.Vidare använde vi oss av idéerna vi fått fram och arbetade fram CATIA-modeller på möjligaförslag.

Natten mellan den 19 och 20 mars 2003 inledde koalitionstrupper Operation Iraqi Freedom. Detta var slutet på det som kom att gå till historien som Irakkrisen.30 år tidigare formulerade Graham Allison en teori, i form av tre modeller, för att förklara utrikespolitiskt agerande utifrån Kubakrisen. Vi har prövat huruvida Allisons teori fortfarande kan förklara utrikespolitiskt agerande genom att pröva den på Irakkrisen. Detta har operationaliserats genom en systematisk genomgång av tillgängligt material som behandlar uppsatsämnet.Efter att ha betraktat Irakkrisen utifrån Allisons tre olika modeller kan vi konstatera att teorin fortfarande är bärkraftig. Dock behövs viss komplettering till den 30 år gamla teorin ? i form av en inrikespolitisk analys, bredare organisationsanalys samt en djupare value- och beliefsystem-analys ? för att kunna åstadkomma en fylligare undersökning som förenar Allisons modeller med dagens verklighet..

Studiens tvådelade syfte motiveras utifrån rådande oenighet och förvirring kring hur gruppkohesion bör definieras och mätas. Det första syftet var att konstruera och testa ett formulär avsett att mäta olika typer av kohesion. Formuläret kom att innehålla 12 olika aspekter av kohesion baserade på tidigare studiers konceptualiseringar av begreppet. Formuläret undersöktes (N=404) utifrån frågeställningen: Vilka psykometriska egenskaper har kohesionsaspekterna i formuläret? Formuläret uppvisade acceptabla psykometriska egenskaper.

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.

Arbetet inleddes med ett möte med Evonova där projektet diskuterades. Företagets inledandetankegångar och idéer kring produkten framgick och arbetet påbörjades.Under arbetets gång följdes Fredy Olssons anvisningar i hur en teknisk rapport ska se ut. Alltinleddes med en brainstorm och kundundersökning. Kundundersökningens resultat mynnadeut i en kravprofil, till denna tillkom även Evonovas krav och önskningar. Kravprofilenanvändes när vi sållade ut lösningar från brainstormen.Vidare använde vi oss av idéerna vi fått fram och arbetade fram CATIA-modeller på möjligaförslag.

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.

Examensarbetet använder generaliserade linjära modeller för att identifiera och analysera enhetsspecifika egenskaper som påverkar risken för operativa förluster. Företag exponeras sällan mot operativa förluster vilket gör att det finns lite information om dessa förluster. De generaliserade linjära modellerna använder statistiska metoder som gör det möjligt att analysera all tillgänglig interndata trots att den är begränsad. Dessutom möjliggör metoden att analysera frekvensen av förlusterna samt magnituden av förlusterna var för sig. Det är fördelaktigt att göra två separata analyser, oberoende av varandra, för att identifiera vilka enhetsspecifika egenskaper som påverkar förlustfrekvensen respektive förlustmagnituden.

De senaste åren har det skett stora framsteg i byggbranschen från sedvanlig byggprojektering till avancerad BIM-projektering. Resultatet av denna studie visar att trots den hastiga utvecklingen så utförs det fortfarande mängdavtagningar ur 2D-ritningar. Detta på grund av problem som uppstår vid mängdavtagningar ur objektbaserade 3D-modeller. Mängdlistorna ur objektbaserade 3D-modeller stämmer inte alltid överens med mängdlistorna ur 2D-ritningar. Detta leder i sin tur till nödvändiga och tidskrävande manuella mängdavtagningskontroller ur pappersritningar.