Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Detta examensarbete behandlar ett experiment som Tom Smith utförde vid sitt magisterarbete, att utveckla en Kheperarobot som ska utföra en fotbollsuppgift av enklare modell. Dock koncentrerar sig detta arbete mer på en evaluering av artificiella neurala nätverk för detta problem. De olika typerna av ANN-arkitekturer som har använts till detta arbete är förutom Tom Smiths, baserade på arkitekturer från en artikel skriven av Stefano Nolfi.De resultat som har uppnåtts visar att precis som i Stefano Nolfis artikel är det en arkitektur med "spontan modularitet" som visar sig fungera bäst av de arkitekturer som undersökts, även till detta problem..

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

Rapporten som följer är en analys av en metod som genererar regler från neurala nätverk. Metoden heter VI-Analysis (Validity Interval Analysis) och är framtagen av Sebastian B. Thrun [Thrun]. VI-Analysis arbetar på det sättet att det neurala nätverket ses som en svart låda där endast de inputvärden och outputvärden som finns i nätverket används som underlag när regler ska genereras. Dessa inputvärden och outputvärden kommer sedan att få tillåtna intervall av VI-Analysis.

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

I studien studeras hur komplexiteten kring sociala medier kan studeras, samt pa? vilket sa?tt sociala na?tverk a?r relaterade till na?tverken i sociala medier och hur det pa?verkar konsumenterna. Syftet med studien a?r att underso?ka de sociala medierna i fo?rha?llande till de sociala na?tverken med fokus pa? konsumentbeteende och da?rigenom skapa en generell modell som fo?rklarar problematiken. Studien bygger pa? en litteraturstudie som i fo?rsta hand sammansta?llts av artiklar med fokus pa? a?mnesomra?dena sociala na?tverk, elektroniska sociala na?tverk och sociala medier. En enka?tunderso?kning gjordes fo?r att sammansta?lla konsumenters a?sikter om a?mnesomra?dena, i syfte att tillslut utmynna i en analys och diskussion. Det ga?r att konstatera att sociala medier har vidgat det sociala na?tverket fo?r den enskilde konsumenten. Detta resulterar i att den enskilde konsumenten nu kan komma i kontakt med fler akto?rer och andra konsumenter som i ma?nga fall kan vara oka?nda.

Via semantisk analys har förekomst och variation av KRAFTmetaforer i två olika typer av texter jämförts. Hypotesen är att kognitiva neurala nätverk som ansvarar för den abstrakta tanken är tätt sammanbundna med kognitiva neurala nätverk som representerar känsloerfarenhet baserat på sensoriska upplevelser. Analysen utfördes på två olika typer av texter. Resultatet visar på signifikant skillnad i förekomsten av antalet metaforer i de olika texterna. Ett antagande för undersökningen var att självbiografiska texter är mer förankrade i känsloerfarenhet baserat på sensoriska upplevelser än vad argumenterande texter är.

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.

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.

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.

SammanfattningTitel: Strategi fo?r att kommunicera produkten fiberanslutning.Bakgrund: Vem bygger internet i Sverige? Det finns ma?ngder av fo?retag som bygger fiberna?tverk. Ett utav dessa a?r Bja?re Kraft Bredband AB. Fiberna?tverk a?r den snabbaste och senaste tekniken fo?r datao?verfo?ring.

Den klassiska approachen till navigering innefattar att agenten håller en intern representativ modell av omgivningen. Denna approach har emellertid många nackdelar, speciellt för dynamiska miljöer. En modernare approach är att förlita sig på den faktiska omgivningen istället för en modell av denna. Detta arbete presenterar en undersökning av navigeringsproblemet och hur väl det löses av agenter vars kontrollmekanismer utgörs artificiella neurala nätverk. Tillförlitligheten hos de två neurala arkitekturerna Extended sequential cascaded network och Self-organized recurrent network bestäms genom experiment.

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.

Detta arbete går ut på att testa hur två olika träningsmetoder påverkar hur ett artificiellt neuralt nätverk (ANN) presterar i en 2d spelmiljö. Ett belöningsbaserat nätverk som använder genetiska algoritmer har jämförts mot ett exempelbaserat nätverk som använder backpropagation. För att göra detta möjligt att testa så behövde fyra delsteg genomföras. Dessa är utveckling av belöningsbaserad ANN, utveckling av exempelbaserad ANN, utveckling av testmiljö och evaluering av resultat.Resultaten visar att agenten belöningsbaserat nätverk har presterat bättre i det flesta testen men även att den varit mer slumpmässig. Det finns dock undantag där den agenten med exempelbaserat nätverk har varit bättre.