In recent years, deep learning has been widely used in industry to solve many complex problems such as condition monitoring and fault diagnosis. Powertrain condition monitoring is one of the most vital and complicated problems in the automation industry since the condition of the drive affects its health, performance, and reliability. Traditional methods based on thermal modeling require expertise in drive geometry, heat transfer, and system identification. Although the data-driven deep learning methods could avoid physical modeling, they commonly face another predicament: models trained and tested on the same dataset cannot be applied to other different situations. In real applications, where the monitoring devices are different and the working environment changes constantly, poor model generalization will lead to unreliable predictions. Transfer learning, which adapts the model from the source domain to the target domain, can improve model generalization and enhance the reliability and accuracy of the predictions in real-world scenarios. This thesis investigates the applicability of mainstream transfer learning approaches in the context of drive condition monitoring using multiple datasets with different probability distributions. Through the comparison and discussion of models and results, the scope of their application, as well as their advantages and disadvantages are expounded. Finally, it is concluded that in the drive condition monitoring under the industrial background, the target domain data has enough labels, and it is not necessary to maintain the performance of the model in the source domain. In this case, fine-tuning based on the model trained in the source domain is the best method for this scenario. / Under de senaste åren har djupinlärning använts i stor utsträckning inom industrin för att lösa många komplexa problem såsom tillståndsövervakning och feldiagnos. Övervakning av drivlinans tillstånd är ett av de viktigaste och mest komplicerade problemen inom automationsindustrin eftersom driftens tillstånd påverkar dess hälsa, prestanda och tillförlitlighet. Traditionella metoder baserade på termisk modellering kräver expertis inom drivgeometri, värmeöverföring och systemidentifiering. Även om de datadrivna djupinlärningsmetoderna skulle kunna undvika fysisk modellering står de ofta inför en annan situation: modeller som tränats och testats på samma datauppsättning kan inte tillämpas på andra situationer. I verkliga applikationer, där övervakningsenheterna är olika och arbetsmiljön förändras ständigt, kommer dålig modellgeneralisering att leda till opålitliga förutsägelser. Transfer learning, som anpassar modellen från källdomänen till måldomänen, kan förbättra modellgeneraliseringen och öka tillförlitligheten och noggrannheten i förutsägelserna i verkliga scenarier. Denna avhandling undersöker tillämpligheten av traditionella överföringsinlärningsmetoder i samband med övervakning av drivtillstånd med hjälp av flera datauppsättningar med olika sannolikhetsfördelningar. Genom jämförelse och diskussion av modeller och resultat förklaras omfattningen av deras tillämpning, liksom deras fördelar och nackdelar. Slutligen dras slutsatsen att måldomändata vid övervakning av drivtillståndet under industriell bakgrund har tillräckligt med etiketter och att det inte är nödvändigt att upprätthålla modellens prestanda inom källdomänen. I det här fallet är finjustering baserad på modellen utbildad i källdomänen den bästa metoden för detta scenario. / Viime vuosina syväoppimista on käytetty laajalti teollisuudessa monien monimutkaisten ongelmien, kuten kunnonvalvonnan ja vikadiagnoosin, ratkaisemiseen. Voimansiirron kunnonvalvonta on yksi automaatioteollisuuden tärkeimmistä ja monimutkaisimmista ongelmista, koska taajuusmuuttajan kunto vaikuttaa sen kuntoon, suorituskykyyn ja luotettavuuteen. Perinteiset lämpömallinnukseen perustuvat menetelmät edellyttävät käyttögeometrian, lämmönsiirron ja järjestelmän tunnistamisen asiantuntemusta. Vaikka dataan perustuvat syväoppimismenetelmät voisivat välttää fyysisen mallinnuksen, ne kohtaavat usein toisen ahdingon: samalla tietojoukolla koulutettuja ja testattuja malleja ei voida soveltaa muihin erilaisiin tilanteisiin. Todellisissa sovelluksissa, joissa valvontalaitteet ovat erilaisia ja työympäristö muuttuu jatkuvasti, huono mallin yleistäminen johtaa epäluotettaviin ennusteisiin. Siirto-oppiminen, joka mukauttaa mallin lähdealueelta kohdealueelle, voi parantaa mallin yleistämistä ja parantaa ennusteiden luotettavuutta ja tarkkuutta todellisissa skenaarioissa. Tässä väitöskirjassa tutkitaan valtavirran siirto-oppimisen lähestymistapojen soveltuvuutta taajuusmuuttajan kunnonvalvonnan kontekstissa käyttämällä useita tietojoukkoja erilaisilla todennäköisyysjakaumilla. Mallien ja tulosten vertailun ja keskustelun avulla selitetään niiden soveltamisala sekä niiden edut ja haitat. Lopuksi päätellään, että taajuusmuuttajan kunnonvalvonnassa teollisen taustan alla kohdealueen tiedoilla on tarpeeksi tarroja, eikä mallin suorituskykyä tarvitse ylläpitää lähdealueella. Tässä tapauksessa lähdetoimialueella koulutettuun malliin perustuva hienosäätö on paras tapa tähän skenaarioon.

Previous works in Human-Robot Interaction have demonstrated the positive potential benefit of designing highly anthropomorphic robots. This includes physical appearance but also whether they can express emotions, behave in a congruent manner, etc. This work wants to explore the creation of a robot that is able to express a given personality consistently throughout a dialogue while also manifesting congruent emotional expressions. Personality defines many aspects of the character of a person and it can influence how one speaks, behaves, reacts to events, etc. Here, we only focus our attention on language and on how it changes depending on one particular personality trait, the extraversion. To this end, we tested different language models to automate the process of generating language according to a particular personality. We also compared large language models such as GPT-3 to smaller ones, to analyse how size can correlate to performance in this task. We initially evaluated these methods through a fairly small user study in order to confirm the correct manipulation of personality in a text-only context. Results suggest that personality manipulation and how well it is understood highly depend on the context of a dialogue, with a more ‘personal’ dialogue being more successful in manifesting personality. Also, the performance of GPT-3 is comparable to smaller models, specifically trained, with the main difference only given in the perceived fluency of the generations. We then conducted a follow-up study where we chose to use a robot that is capable of showing different facial expressions used to manifest different emotions, the Furhat robot. We integrated into the robot the generations from our language models together with an emotion classification method that is used to guide its facial expressions. Whilst the output of our models did trigger different emotional expressions, resulting in robots which differed both in their language and nonverbal behaviour, resultant perception of these robots’ personality only approached significance (p ∼ 0.08). In this study, GPT3 performed very similarly to much smaller models, with the difference in fluency also being much smaller than before. We did not see any particular change in the perception of the robots in terms of likeability nor uncanniness. / Tidigare arbeten inom Människa-robotinteraktion har visat den positiva potentiella fördelen med att designa mycket antropomorfa robotar. Detta inkluderar fysiskt utseende men också huruvida de kan uttrycka känslor, bete sig på ett kongruent sätt, etc. Detta arbete vill utforska skapandet av en robot som kan uttrycka en given personlighet konsekvent under en dialog samtidigt som den manifesterar kongruenta känslomässiga uttryck. Personlighet definierar många aspekter av en persons karaktär och den kan påverka hur man talar, beter sig, reagerar på händelser etc. Här fokuserar vi vår uppmärksamhet endast på språket och på hur det förändras beroende på ett särskilt personlighetsdrag, extraversion. För detta ändamål testade vi olika språkmodeller för att automatisera processen att skapa språk enligt en viss personlighet. Vi jämförde även stora språkmodeller som GPT-3 med mindre, för att analysera hur storlek kan relatera till prestanda i denna uppgift. Vi utvärderade inledningsvis dessa metoder genom en mindre användarstudie för att bekräfta att personligheten kan manipuleras på rätt sätt i en textbaserad kontext. Resultaten tyder på att personlighetsmanipulation och hur väl den förstås i hög grad beror på sammanhanget i en dialog, där en mer ‘personlig’ dialog är mer framgångsrik när det gäller att manifestera personlighet. Prestandan hos GPT-3 är också jämförbar med mindre modeller, specifikt tränade på en uppgift, där den största skillnaden var i den genererade textens upplevda flyt. Vi gjorde sedan en uppföljningsstudie där vi valde att använda en robot som är kapabel att visa olika ansiktsuttryck och därigenom kapabel att manifestera olika känslor, Furhat-roboten. Vi integrerade talet som genererades från våra språkmodeller i roboten tillsammans med en känsloklassificeringsmetod som används för att styra dess ansiktsuttryck. Medan resultatet av våra modeller framkallade olika känslomässiga uttryck, vilket resulterade i robotar som skilde sig åt både i språk och icke-verbal kommunikation, närmade sig endast den resulterande uppfattningen av dessa robotars personlighet signifikans (p ∼ 0.08). I denna studie presterade GPT-3 mycket likartat med mycket mindre modeller, med skillnaden i flyt också mycket mindre än tidigare. Vi såg ingen speciell förändring i uppfattningen av robotarna när det gäller sympati eller obehaglighet.

A number of people have criticized the fact that courts often over-rely on DNA- evidence and that the shortcomings of DNA-analyses are rarely addressed. One flaw with DNA-analyses is that they cannot distinguish whether the presence of the DNA-trace has been caused by a so-called secondary transfer. Secondary transfer, the occurrence of which has been confirmed by several scientific stud- ies, means that DNA is transferred in two stages via contacts. A transfer of DNA can thus first occur from one person to another, for example by shaking hands, and then from the other person to a material, for example by grabbing a weapon. This poses a risk that DNA from an innocent person can be transferred through another person to a crime scene. A fundamental principle of criminal procedure is that the full burden of proof should be placed on the prosecution. This principle is derived from the presump- tion of innocence in Article 6.2 of the ECHR. As a consequence, the defendant has a right to remain silent throughout the judicial proceedings. Should the de- fendant instead be required to explain some of the circumstances of the case, a burden of proof would fall on the defendant, a so-called burden of explanation. Thus, a requirement that the defendant explain some of the circumstances of the case conflicts with the principle of the prosecutor's full burden of proof. Given the criticism that the courts rarely consider the shortcomings of DNA- evidence, there is a risk that the responsibility falls on the defendant to point out that a secondary transfer of DNA has occurred and to actively work towards convincing the court of his or her innocence. The purpose of the paper is thus to investigate the courts' consideration of these objections from the accused. The question is if a burden of explanation is placed on the accused and whether this is compatible with the presumption of innocence. To fulfill the purpose, an empirical study was conducted in the form of an analysis of 16 district court and appellate court decisions. The results showed that the defendant was imposed a burden of explanation in several cases. An exami- nation of the case law of the ECHR showed that there is, in exceptional cases, a possibility to impose an explanatory burden on the accused. However, the cases in the study were not covered by the exception. In conclusion, the practical ap- plication of the burden of proof is not compatible with the presumption of in- nocence. There is thus a need to educate judges on the complex subject of DNA to draw attention to the drawbacks of the evidence and to correct the false per- ception of DNA evidence as infallible. Furthermore, there is a need for a new precedent from the Supreme Court clarifying how the burden of explanation should be applied in accordance with the ECHR.

This paper describes a unique method for the semi-automatic detection of historic charcoal production sites in LiDAR-derived digital elevation models. Intensified iron production in the early 17th century has remarkably influenced ways of how the land in Sweden was managed. Today, the abundance of charcoal kilns embedded in the landscape survives as cultural heritage monuments that testify about the scale forest management for charcoal production has contributed to the uprising iron manufacturing industry. An arbitrary selected study area (54 km2) south west of Gävle city served as an ideal testing ground, which is known to consist of already registered as well as unsurveyed charcoal kiln sites. The proposed approach encompasses combined morphometric classification methods being subjected to analytical image processing, where an image that represents refined terrain morphology was segmented and further followed by Hough Circle transfer function applied in seeking to detect circular shapes that represent charcoal kilns. Sites that have been identified manually and using the proposed method were only verified within an additionally established smaller validation area (6 km2). The resulting outcome accuracy was measured by calculating harmonic mean of precision and recall (F1-Score). Along with indication of previously undiscovered site locations, the proposed method showed relatively high score in recognising already registered sites after post-processing filtering. In spite of required continual fine-tuning, the described method can considerably facilitate mapping and overall management of cultural resources.

Adapting literature from a cultural context to another is the main theme of my master's thesis. The aim is to determine how publishing houses adapt a book from a different cultural context to their own, and if there are any specific marketing choices being made during the publishing process.The thesis highlights two authors, Sara Stridsberg from Sweden and Silke Scheuermann from Germany. Interviews have been made with the publishers, editors and translators of the translated novels. One of the main themes is to be able to showcase differences between the Swedish and the German publishing business and their particular cultural characteristics in working with translated novels. I have found that the brand of a publishing house is important when making publishing decisions. For larger publishing houses, the economical capital is of importance, and for smaller publishing houses the cultural capital tends to be of a higher value. The book market is becoming more defined by the economy of attention and economization of culture, which is showing in all different aspects of the business; publishing houses, newspapers and agents are all adapting towards a more economic focus.

Since the middle of the 20th century, scientists have observed that marine organisms ingest plastics in various shapes, directly or through food. Plastics smaller than 5 millimetres, called microplastics, have in recent years gained more attention and been found to accumulate environmental toxins. A family of organisms which have been found to ingest microplastics is Gammaridae, which are important as food sources and detritivores in many ecosystems. In this study, the occurrence of microplastics in marine gammarids was investigated in three rural and three urban areas, along the coast of Halland and northern Skåne. The aim was to find out if these organisms contain microplastics and to compare the occurrence in rural versus urban areas. Microplastics were found in 33 (approx. 14.9 %) of 221 samples, ranging from 0 to 3 microplastics per individual. A significant difference in the average amount of microplastics per individual was found between the rural and urban areas; the urban areas had a higher average, with one exception. In other studies, urban areas have been found to often contain more microplastics than rural areas, increasing the possibility that organisms in these areas ingest plastics. With more boat traffic and inhabitants in general, along with streams transferring plastics from inland areas, the amount of emissions in urban areas can be greater than in rural parts. The result shows that microplastics occur in marine gammarids in the 3 examined areas and that these organisms therefore may have an important part in the transfer of microplastics between trophic levels. / Sedan mitten av 1900-talet har forskare observerat att marina organismer tar in plaster i olika former, direkt eller via föda. Plastpartiklar mindre än 5 millimeter, så kallade mikroplaster, har på senare år fått större uppmärksamhet och har också visat sig kunna ackumulera miljögifter. En familj av organismer som man funnit mikroplaster i är tångmärlor (Gammaridae), vilka i många ekosystem är viktiga som födokällor och nedbrytare. I denna studie undersöktes förekomsten av mikroplaster i marina tångmärlor på tre lokaler i stadsområden respektive landsbygdsområden, längs Hallandskusten och Skånes norra kust. Syftet var att se ifall dessa organismer innehåller mikroplaster samt jämföra förekomsten i landsbygdsområden kontra stadsområden. Av 221 analyserade prov förekom mikroplaster i 33 (ca 14,9 %) och förekomsten per individ varierade från 0 till 3 mikroplaster. En signifikant skillnad i medelvärde av mikroplaster per individ fanns mellan landsbygdsområden och urbana områden; urbana områden innehöll i genomsnitt mer men med ett undantag. I andra studier har man funnit belägg för att stadsområden ofta innehåller mer mikroplaster än landsbygdsområden, något som ökar risken för att organismer i dessa områden tar in plaster. Med mer båttrafik och antal invånare överlag, tillsammans med vattendrag som för med sig plast från inlandet, kan det i dessa områden ge en större utsläppsmängd i jämförelse med i landsbygdsområden. Resultatet visar på att mikroplaster förekommer i marina tångmärlor i de undersökta områdena och att dessa organismer därmed kan vara en viktig del i överföringen av mikroplaster mellan trofiska nivåer.

The aim of this thesis is to optimize the design of the Fat-IBC-based communication of a novel neuroprosthetic system in which a brain-machine interface is used to control a prosthetic arm. Fat-based intra-body communication (Fat-IBC) uses the fat tissue inside the body of the bearer as a transmission medium for low-power microwaves. Future projects will use the communication system and investigate ways to control the prosthetic arm directly from the brain. The finished system was able to individually control all movable joints of multiple prosthesis prototypes using information that was received wirelessly through Fat-IBC. Simultaneous transmission in the other direction was possible, with the control data then being replaced by sensor readings from the prosthesis. All data packets were encoded with the COBS/R algorithm and the wireless communication was handled by Digi Xbee 3 radio modules using the IEEE 802.15.4 protocol at a frequency of 2.45 GHz. The Fat-IBC communication was evaluated with the help of so-called "phantoms" which emulated the conditions of the human body fat channel. During said testing, packet loss measurements were performed for various combinations of packet sizes and time intervals between packets. The packet loss measurements showed that the typical amount of transmitted data could be handled well by the fat channel test setup. Although the transmission system was found to be well-functioning in its current state, increasing the packet size to achieve a higher granularity of the movement was perceived to be viable considering the findings from the packet loss measurements.

This thesis investigates the oft-overlooked influence of the classifier's input during the assignment of library classifications and draws upon cultural transfer theory to shed light on the underlying principles that guide the process. Classifiers' personal knowledge, experience, and beliefs, have a critical role in determining the 'aboutness' of a work and its subsequent classification. To explore this theory, this research employs a dual-methods approach, using qualitative analysis of past literature contrasted with a data set formed through a real-world reclassification project at The Swedish Institute in Rome (ISVRoma) using the Library of Congress Classification scheme (LCC), with classifications in the catalogue of the American Academy in Rome (AARome) used for comparison. The resultant data provides a basis for examining the classifier's cultural input and the manifestation of cultural transfer theory in library classification. The findings of this thesis reveal the dynamic nature of classification, which is not a mere static or administrative task, but rather an evolving process deeply embedded in the societal and cultural context. Classifiers are found to act as interpreters, translators, and shapers of knowledge, bringing a profoundly human element to knowledge organisation and retrieval. The classifiers' craft, therefore, extends beyond the implementation of a systemic and controlled vocabulary and involves an active contribution of their knowledge and experience. This contributes to the overall flexibility and adaptability of the classification system. The thesis also underscores the necessity of reassessing our understanding of library classification systems, especially in light of AI's increasing role in this field.

För att lyckas lösa problem och använda kunskap behöver en person först ha lärt sig grundläggande kunskap om problemområdet. Sådant lärande kräver att den lärandes arbetsminne inte överbelastas med oändamålsenlig information. Studien undersöker effekten av lärandetekniken worked examples, som visats vara effektiv för att inte överbelasta arbetsminnet inom ämnen som fysik och matematik. Worked examples kommer från cognitive load theory och här undersöks teknikens effekt inom biologiundervisning, med fokus på ämnesområdet ekologi. Högstadieelevers kunskap inom ekologi mättes, varpå de inom undervisning antingen arbetade med worked examples eller instuderingsfrågor. Därefter mättes deras kunskapsnivå återigen, för att på så vis jämföra metodernas effekt på deltagarnas lärande. Elever som lärts med worked examples visade på en större kunskapsutveckling gällande snarlika uppgifter som de övat på, medan kunskapsutveckling för frågor med andra lösningsmetoder gav tvetydigt resultat. Tekniken worked examples har härmed visats sig vara en användbar teknik inom ämnesområdet ekologi inom biologiundervisningen. Den kan med fördel användas under initial-inlärningsfas inom biologiämnet för att hjälpa elever förvärva kunskap.

The topic of this thesis is the detoxification of language in social networks with a particular focus on style transfer techniques that combine deep learning and linguistic resources. In today’s digital landscape, social networks are rife with communication that can often be toxic, either intentionally or unintentionally. Given the pervasiveness of social media and the potential for toxic language to perpetuate negativity and polarization, this study addresses the problem of toxic language and its transformation into more neutral expressions. The importance of this issue is underscored by the need to promote non-toxic communication in the social networks that are an integral part of modern society. The complexity of natural language and the subtleties of what constitutes toxicity make this a challenging problem worthy of study. To address this problem, this research proposes two models, LexiconGST and MultiLexiconGST, developed based on the Delete&Generate framework. These models integrate linguistic resources into the detoxification system to guide deep learning techniques. Experimental results show that the proposed models perform commendably in the detoxification task compared to stateof-the-art methods. The integration of linguistic resources with deep learning techniques is confirmed to improve the performance of detoxification systems. Finally, this research has implications for social media platforms and online communities, which can now implement more effective moderation tools to promote non-toxic communication. It also opens lines of further research to generalize our proposed method to other text styles. / Ämnet för denna avhandling är avgiftning av språk i sociala nätverk med särskilt fokus på stilöverföringstekniker som kombinerar djupinlärning och språkliga resurser. I dagens digitala landskap är sociala nätverk fulla av kommunikation som ofta kan vara giftig, antingen avsiktligt eller oavsiktligt. Med tanke på hur utbredda sociala medier är och hur giftigt språk kan bidra till negativitet och polarisering, tar den här studien upp problemet med giftigt språk och hur det kan omvandlas till mer neutrala uttryck. Vikten av denna fråga understryks av behovet av att främja giftfri kommunikation i de sociala nätverk som är en integrerad del av det moderna samhället. Komplexiteten i naturligt språk och de subtila aspekterna av vad som utgör toxicitet gör detta till ett utmanande problem som är värt att studera. För att ta itu med detta problem föreslår denna forskning två modeller, LexiconGST och MultiLexiconGST, som utvecklats baserat på ramverket Delete&Generate. Dessa modeller integrerar språkliga resurser i avgiftningssystemet för att vägleda djupinlärningstekniker. Experimentella resultat visar att de föreslagna modellerna presterar lovvärt i avgiftningsuppgiften jämfört med toppmoderna metoder. Integrationen av språkliga resurser med djupinlärningstekniker bekräftas för att förbättra prestanda för avgiftningssystem. Slutligen har denna forskning konsekvenser för sociala medieplattformar och onlinegemenskaper, som nu kan implementera mer effektiva modereringsverktyg för att främja giftfri kommunikation. Det öppnar också för ytterligare forskning för att generalisera vår föreslagna metod till andra textstilar.