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 användningen av evolutionära algoritmer för framtagning och utvärdering av byggordningar i RTS-spel. Syftet var att undersöka om just evolutionära tekniker kan uppnå lika bra resultat som skriptade byggordningar då evolutionära tekniker oftast är billigare att utveckla.För att undersöka denna problemställning utvecklades en applikation med en experimentmiljö och en Artificiell Intelligens (AI) med evolutionär algoritm. Denna applikation och AI användes sedan för utvärdering av framtagna byggordningar.Resultatet antyder att evolutionära tekniker kan uppnå lika bra kvalitet som de skriptade byggordningarna.Något som krävs i detta arbete är fördefinierade skript för byggordningar för att köra evolutionen men något som skulle vara intressant att kolla på är coevolution. Med coevolution hade det varit möjligt evolvera fram byggordningar utan dessa färdiga skript genom att köra evolutionen mot individer i samma population..

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.

L?grangmatriskomplettering innefattar algoritmer som fyller ut saknade v?rden i en matris under antagandet att den kompletta matrisen ?r av l?g rang. Rapporten har unders?kt tv? olika algoritmer f?r l?ngrangmatriskomplettering, singular value thresholding (SVT) och nor malized iterative hard thresholding (NIHT), p? slumpm?ssigt genererad data och ett urval av databasen Netflix prize data. Rapportens syfte ?r att best?mma vilken av dessa tv? algoritmer som l?mpar sig b?ttre f?r komplettering av Netflix-datan och slumpm?ssigt genererad data. F?r att m?ta detta unders?ktes hur n?ra algoritmerna konvergerar till de kompletta matriser na i termer av bland annat RMSE samt hur l?ng tid det tar f?r de olika algoritmerna att k?ra givet olika parameterval.

I denna studie presenteras en genetisk algoritm som genererar fun banor till ett bilspel. Detta görs genom att utforma fitnessfunktionen efter redan identifierade designmönster om vad det är som gör en bilbana fun. Dessa bygger på Csikszentmihalyi teorier om flow som säger att för att en uppgift ska anses uppfyllande måste den vara utmanande. Utöver designmönstren bygger fitnessfunktionen även på rhythm groups för att en bana ska variera i utmaning. Genom speltest jämförs de genererade banorna med banor som är skapta av en leveldesigner för att framställa hur fun de genererade banorna är..

Reed-Solomon koder, som ?r en sorts felkorrigerande kod, har m?nga till?mpningar. Exempelvis anv?nds Reed-Solomon koder vid kommunikation eller n?r information sparas p? en h?rddisk. Koderna ser till att informationen kan ?terf?s ?ven om det skulle uppst? fel, vilket g?rs genom att l?gga till redundans till informationen som ska ?verf?ras eller sparas.

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.

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.

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..

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..

Testmetoder för tidskritiska applikationer har ofta bara omfattat statiska testmetoder där slutsatser kring applikationens exekveringstider och beteende dras utifrån studier av programkod och underliggande hårdvara. I detta arbete undersöks en dynamisk testmetod för framtagning av indata som med framgång använts i tidigare arbeten för bestämning av extrema exekveringstider hos applikationer. Detta arbete utvärderar tre varianter av denna testmetod för att försöka finna indata till applikationer som kan ge en inom ramen för applikationens möjligheter godtycklig exekveringstid. Detta för att förbättra möjligheterna att styra testning av denna typ av applikationer.Arbetet har visat att två av de tre algoritmvarianterna har lyckats tämligen väl med att komma närmare det mål som sattes upp som exekveringstid men inga närmare slutsatser har kunnat dras kring vilka parametrar som påverkat dessa varianters effektivitet..

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.

Procedural Content Generation innebär att spelinnehåll genereras automatiskt för att dels minska arbetsbelastningen hos designers men också för att öka variationen i spel. Ett användningsområde för detta är rumsbaserad bangenerering där banor byggs upp av fördefinierade rum. Målet med det här arbetet var att implementera och jämföra tre olika algoritmer som kan åstadkomma detta; Binary Space Partitioning, Shortest path och en evolutionär algoritm. De kriterier som algoritmerna utvärderades på var tidseffektivitet, variation och möjligheten att nå alla rum. Resultatet visade att Binary Space Partitioning och Shortest path var de två algoritmer som var bäst lämpade att användas i ett spel där genereringen ska ske under körtiden.