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..

Denna rapport beskriver användandet av artificiella neurala nätverk, som styrsystem för att utföra evolution av beteende för boids. Boids handlar i grunden om att skapa en simulering av flockbeteende, genom att låta självständiga individer sträva efter att uppnå samma mål. Uppbyggnaden av boids sker enligt tre ursprungliga regler, att undvika kollision, matcha hastighet och centrera flocken, dessa regler ligger även till grund för boidsen i detta projekt. Då beteendet för boids i grunden programmeras för hand, undersöker arbetet hur resultatet påverkas genom evolution av beteendet m h a neurala nätverk. Arbetet jämför även de två neurala nätverksarkitekturerna reaktiva- och rekurrenta nätverk.

Na?r sociala na?tverk blir en del av va?r vardag o?ppnas uppenbara mo?jligheter till interaktion och na?tverkande pa? Internet med va?nner, kollegor och bekanta. Samtligt som sociala na?tverk erbjuder anva?ndare intressanta redskap, med ma?nga fo?rdelar, fo?r att kunna interagera utsa?tts samtidigt anva?ndares personliga integritet fo?r risker och hot. Denna uppsats underso?ker vad som oroar anva?ndare mest pa? Internet, va?rdet av en skyddad privat sfa?r utan insyn, varfo?r vi delar med oss av privat information pa? sociala na?tverk, vad kan man ta reda pa? utifra?n den information som finns tillga?nglig samt hur kan vi ba?ra oss a?t fo?r att inte fo?rlora va?r integritet pa? Internet.

Detta arbete tar upp och diskuterar det eventuella användandet av representationer i en autonom robot kontrollerad av ett extended sequential neural network (ESCN). Diskussionen utgår från en tidigare distinktion, framförd av bl.a. Bickhard och Terveen (1995), mellan traditionella representationer, som förespråkas av kognitivismen, och interaktiva representationer, som förespråkas av många företrädare för en mer förkroppsligad och situerad syn på kognition. Resultatet i detta arbete visar att det är möjligt, med hänvisning till robotens interna tillstånd, att påstå att roboten inte använder sig av representationer i någon traditionell bemärkelse. Resultatet visar vidare att det är möjligt att hävda att roboten använder sig av interaktiva representationer.

Arbetet går genom en metod för simpel terränggenerering med koppling till spelarhandlingar genom användning av artificiella neurala nätverk..

Arbetet går genom en metod för simpel terränggenerering med koppling till spelarhandlingar genom användning av artificiella neurala nätverk..

Vid analys av fluider med akustisk spektroskopi finns ett behov av att finna multivariata metoder för att utifrån akustiska spektra prediktera storheter såsom viskositet och densitet. Användning av artificiella neurala nätverk och bayesiska nätverk för detta syfte utreds genom teoretiska och praktiska undersökningar. Förbehandling och uppdelning av data samt en handfull linjära och olinjära multivariata analysmetoder beskrivs och implementeras. Prediktionsfelen för de olika metoderna jämförs och PLS (Partial Least Squares) framstår som den starkaste kandidaten för att prediktera de sökta storheterna..

Denna rapport jämför två nätverksarkitekturer för artificiella neurala nätverk vars uppgift är att realisera ett styrsystem för ett fordon som det även skall lära sig att styra. Jämförelsen bygger på utförda experiment där de båda nätverken fick lära sig att styra ett fordon längs en slumpgenererad väg. Båda nätverken bygger på belöningsbaserad inlärning för att lära sig lösa uppgiften.Resultatet av utvärderingen visar både att nätverken inte hade några problem med att lära sig att styra fordonet och att de inte krävde lång tid för att kunna lära sig hur fordonet skulle styras. Resultaten visar inte heller att någon skillnad fanns i vare sig tillförlitlighet eller generaliseringsförmåga hos de båda nätverksarkitekturerna..

Ett av de stora problemen med gestigenkänning är det som kallas segmenteringsproblemet. Segmenteringsproblemet är problemet att hitta var en gest börjar och var den slutar, d v s att segmentera upp gester. I detta arbete testas en lösning till detta problem då gester består av figurer ritade i luften. Lösningen går ut på att använda två stycken artificiella neurala nätverk av strukturen FeedForward. Det ena nätverket tränas på att känna igen när handen accelererar från stillastående, vilket representerar starten av en gest, och det andra tränas på att känna igen när handen saktar ner till stillastående, vilket representerar slutet av en gest.

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.

Detta arbete använder genetiska algoritmer för att få fram ANN hos boids utifrån två uppsättningar regler och jämför de resulterande beteendena med varandra. Boids är simulerade fåglar i en fågelflock som var för sig styrs med enkla regler men som tillsammans bildar ett flockbeteende. Genetiska algoritmer liknar naturens evolution. En population vars egenskaper kodas på ett genom blir bättre på de egenskaperna genom att de bästa individerna väljs ut och får utvecklas mer medans de sämre rensas bort. ANN står för artificiella neurala närvek och ska likna biologiska neurala nätverk och ska med andra ord fungera som en hjärna.

Tra?dlo?sa sensorna?tverk byggs upp av tra?dlo?sa sensorer, som gemensamt arbetar fo?r att lo?sa en viss uppgift. Ett exempel pa? en sa?dan uppgift kan vara insamling av pollenniva?er i luften o?ver en stor yta. Sensornoderna vidarebefordrar datan sinsemellan tills den na?r en datainsamlingsnod na?gonstans i na?tverket da?r den sedan lagras och efterbehandlas.

Arbetet som presenteras i den här rapporten handlar om ansiktsigenkänning från webbkameror med hjälp av principal component analysis samt artificiella neurala nätverk av typen feedforward. Arbetet förbättrar tekniken med hjälp av filterbaserade metoder som bland annat används inom ansiktsdetektering. Dessa filter bygger på att skicka med redundant data av delregioner av ansiktet..

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.

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.