The course Functional Materials at Karlstad University aims for undergraduates to study some of the functional materials of the 21st century. One of the hottest topics in photovoltaic research is hybrid organic-inorganic perovskite solar cells due to their easy methods of fabrication, cheap costs and potential for high power conversion efficiencies. A laboratory manual is compiled for the course, in which students are encouraged to build perovskite solar cells with a device architecture of FTO/TiO2/MAPbI3/CuSCN/Carbon/FTO using spin coating and annealing for testing in a solar simulator. The power conversion efficiency achieved with this method reaches 0.056 %, with suggestions for improvement when done by students. Absorption properties are examined using UV-vis spectroscopy and the band gap energy of MAPbI3 is established as 1.59 eV. By using these techniques, students will earn a greater understanding for one of the most relevant topics of photovoltaic research and different equipment used in its fabrication and characterization. / Kursen Funktionella material på Karlstads universitet har som mål att studenter ska få studera några av 2000-talets funktionella material. Ett av de största ämnena inom solcellsforskning är hybrida organiska/icke-organiska perovskitsolceller eftersom de är lätta att tillverka, billiga och har potential för höga verkningsgrader. En laborationshandledning sammanställs för kursen, där studenter ska få tillverka perovskitsolceller med en uppbyggnad av FTO/TiO2/MAPbI3/CuSCN/Carbon/FTO genom användning av spin coating och anlöpning för tester i solsimulator. Verkningsgraden för dessa solceller når 0.056 %, men förslag till förbättringar när studenter ska göra solcellerna diskuteras. Absorptionsegenskaper undersöks med UV-vis-spektroskopi och bandgapsenergin hos MAPbI3 fastställs till att vara 1.59 eV. Med dessa tillverknings- och karaktäriseringstekniker får studenter möjligheten att lära sig mer om ett av de mest relevanta ämnena inom solcellsforskning, samt om hur man använder sig av utrustningen som är närvarande i hela processen.

<p>Detta examensarbete ifrågasätter om motion och hälsa kan sägas vara en social förmån. Avsikten har varit att undersöka barns attityd, motionsvanor och fritidssysselsättning med avseende på skillnader i deras boende. Min litteraturgenomgång omfattar såväl människors behov av motion i det dagliga livet som samhällets direktiv beträffande fysisk fostran uttryckt i tidigare och gällande läroplaner.</p><p>För att få svar på mina uppställda frågor har jag genomfört en enkät på tre skolor som ligger i olika socialt ansedda områden. Min enkätundersökning är inte stor nog för att kunna ge några generaliserbara svar. Men vad jag kan se är tendenser som överensstämmer med tidigare forskning kring idrott och sociala skillnader.</p><p>Forskarna slår larm om en allt sämre hälsa medan politikerna ser till att skära ned på idrotten.</p>

Detta examensarbete ifrågasätter om motion och hälsa kan sägas vara en social förmån. Avsikten har varit att undersöka barns attityd, motionsvanor och fritidssysselsättning med avseende på skillnader i deras boende. Min litteraturgenomgång omfattar såväl människors behov av motion i det dagliga livet som samhällets direktiv beträffande fysisk fostran uttryckt i tidigare och gällande läroplaner. För att få svar på mina uppställda frågor har jag genomfört en enkät på tre skolor som ligger i olika socialt ansedda områden. Min enkätundersökning är inte stor nog för att kunna ge några generaliserbara svar. Men vad jag kan se är tendenser som överensstämmer med tidigare forskning kring idrott och sociala skillnader. Forskarna slår larm om en allt sämre hälsa medan politikerna ser till att skära ned på idrotten.

No description available.

Diss. (sammanfattning) Uppsala : Uppsala universitet, 2007. / Härtill 5 uppsatser.

Diss. (sammanfattning) Stockholm : Karol. inst., 2005. / Härtill 5 uppsatser.

Diss. (sammanfattning) Uppsala : Sveriges lantbruksuniv., 1997. / Härtill 5 uppsatser.

Diss. (sammanfattning) Stockholm : Karol. inst., 2000. / Härtill 5 uppsatser.

Lic.-avh. (sammanfattning) Stockholm : Karolinska institutet, 2007. / Härtill 2 uppsatser.

Monitoring of physical exercise is an important task to evaluate and adapt exercise to provide better exercise results. The Inno-X™ device, developed by Innowearable, is a device that can be used for such monitoring. It collects data using an accelerometer and sEMG sensor. To optimize Inno-X™, this Thesis investigates how raw data from the sensors can be used to classify physical exercises and fatigue levels using machine learning. The exercises that were monitored and evaluated were cycling and squats. The workflow includes data collection, preprocessing, feature extraction and finetuning of the models. Participants engage in standardized exercise protocols to ensure reliable data. Under preprocessing, the data is scaled and filtered followed by feature extraction where time-domain and frequency-domain attributes are analyzed. Three classifiers, Random Forest (RF), Support Vector Machine (SVM), and Long Short-Term Memory (LSTM), are evaluated for their performance in fatigue detection and exercise classification. Results reveal reliable accuracy across all classifiers, with SVM demonstrating the most effective performance in fatigue detection, with an accuracy of 79.5%. The classification accuracy for the executed exercises surpassed 97% for all three employed models. In conclusion, this Thesis offers insights into the application of machine learning for exercise classification and fatigue prediction. The established data processing pipeline and the performance of the chosen classifiers indicate a potential application of these methods into real-world scenarios for precise exercise monitoring and fatigue management. / Detta examensarbete fokuserar främst på användningen av avancerademaskininlärningstekniker. Fokuspunkterna inkluderar klassificering av övningaroch förutsägelse av muskeltrötthet under träningspass, med hjälp av data somsamlats in från Inno-X-enheten av Innowearable AB.Studien innebär noggrann bearbetning, med insamling, förbehandling,extrahering av funktioner och klassificering. Deltagarna deltar i standardiseradeträningsprotokoll. Uppgifterna genomgår noggrann förbehandling, följt avfunktionsextraktion, där tidsdomän- och frekvensdomänattribut analyseras.Anmärkningsvärda funktioner som medeleffekt, total effekt, medelfrekvens,medelfrekvens och maxfrekvens bidrar till effektiviteten hosmaskininlärningsmodellerna.Tre klassificerare, Random Forest (RF), Support Vector Machine (SVM) och LongShort-Term Memory (LSTM), utvärderas för deras prestanda vidträningsklassificering och upptäckt av trötthet. Resultaten visar tillförlitlignoggrannhet för alla klassificerare, där SVM uppvisar den mest effektivaprestandan när det gäller att upptäcka trötthet för cykling och knäböj.Sammanfattningsvis ger denna avhandling insikt in i tillämpningen avmaskininlärning för träningsklassificering och förutsägelse av trötthet. Denetablerade pipelinen för databehandling och den rimliga prestandan hos de valdaklassificerarna indikerar en potentiell tillämpning av dessa metoder i verkligascenarier för exakt träningsövervakning och hantering av trötthet.