Germund Hesslows simuleringshypotes består av tre olika komponenter. För att modellera den första av dessa komponenter som postulerar en mekanism för intern perceptionssimulering, har det tidigare utförts ett antal experimentella undersökningar. En simulerad Kheperarobot har i dessa tidigare experiment med viss framgång styrts med hjälp av ett artificiellt neuronnät. Detta skedde genom att roboten utifrån den miljö i vilken den befann sig predicerade nästkommande sensortillstånd via neuronnätet. Sensorerna stängdes därefter av och de predicerade värdena återkopplades in i nätverket som indata. Roboten agerade därefter blint i miljön utifrån denna inre värld, men i dessa tidigare undersökningar var det endast ett nätverk som lyckades tränas för att utföra intern perceptionssimulering. Denna experimentella undersökning ämnar att mer systematiskt analysera en implementering av intern perceptionssimulering i en förenklad värld med enklare sensorer än de som har används i tidigare undersökningar. Fem olika nätverkstopologier jämförs via två olika träningsförfaranden, dels ett träningsförfarande där nätverkens vikter tränas med en evolutionsalgoritm, och dels via ett tvådelat evolveringsförfarande där olika delar av nätverket tränas separat. Experimentet gav upphov till ett flertal individer som bedömdes klara den interna perceptionssimuleringen. Resultaten indikerar också på att det integrerade träningsförfarandet verkar vara bättre än det uppdelade

I dagens samhälle finns det en mängd olika maskiner för att underlätta ardagssysslorna, såsom batteridrivna dammsugare och gräsklippare. Gräsklippardomänen används i detta projekt, för att undersöka vilken av monolitisk och hierarkisk kontrollarkitektur i en batteridriven gräsklippare som har bäst generaliseringsförmåga. Gräsklippardomänen används som testdomän därför att det finns en oändlig mängd olika yt-fromer. Med generalisering menas hur bra gräsklipparen klipper på ytor som den nyligen eller aldrig tränats på. Experiment har utförs på båda kontrollarkitekturerna i en simulator. Val av kontrollarkitektur spelar inte någon större roll för gräsklipparen. Bidraget med detta arbete är att undersöka hur bra de olika arkitekturerna generaliserar.

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.

The current study illustrates the utilization of artificial neural network in statistical methodology. More specifically in survival analysis and time series analysis, where both holds an important and wide use in many applications in our real life. We start our discussion by utilizing artificial neural network in survival analysis. In literature there exist two important methodology of utilizing artificial neural network in survival analysis based on discrete survival time method. We illustrate the idea of discrete survival time method and show how one can estimate the discrete model using artificial neural network. We present a comparison between the two methodology and update one of them to estimate survival time of competing risks. To fit a model using artificial neural network, you need to take care of two parts; first one is the neural network architecture and second part is the learning algorithm. Usually neural networks are trained using a non-linear optimization algorithm such as quasi Newton Raphson algorithm. Other learning algorithms are base on Bayesian inference. In this study we present a new learning technique by using a mixture of the two available methodologies for using Bayesian inference in training of neural networks. We have performed our analysis using real world data. We have used patients diagnosed with skin cancer in the United states from SEER database, under the supervision of the National Cancer Institute. The second part of this dissertation presents the utilization of artificial neural to time series analysis. We present a new method of training recurrent artificial neural network with Hybrid Monte Carlo Sampling and compare our findings with the popular auto-regressive integrated moving average (ARIMA) model. We used the carbon dioxide monthly average emission to apply our comparison, data collected from NOAA.

Social media platforms have proliferated rapidly, altering societal norms of communication. Whilst a number of studies (Treem & Leonardi, 2012; Leonardi, 2014; Koch, Gonzalez & Leidner, 2013) have shed light on the implications of social media use for firms, there remains a limited understanding of how firms interpret and implement social media. This thesis seeks to address the gap by exploring the psycho-sociological processes underpinning social media use in small firms. Data was collected during a qualitative study of social media use in 31 organizations in the United Kingdom (UK) and interpreted using concepts from Swidlers (1986) cultural toolkit framework. This thesis contributes insights about the wide variety of resources required to participate in the networked society (Harris, Rae & Misner, 2012) using social media platforms. Previous studies have suggested that interpretations play an important role in social media use (i.e. Treem & Leonardi s affordances, 2012) but have failed to explicate how interpretations of social media are formed. This study found that respondents drew on a wide variety of cultural tools (Swidler, 1986) in order to interpret and operate their social media accounts. These included their embodied skills, habits and styles as well as resources that were available through their social networks. The study found that the respondents interpretation of social media as a low risk and highly uncertain endeavour prompted their experimentation with various combinations of cultural tools as attempts were made to overcome the common challenges of social media use (i.e. finding time for social media, knowing what to post on social media). One such challenge related to the marked difference between social media interactions and face-to-face encounters. The findings are used to extend Goffman s notion of situation-like encounters (1979). It is contended that social media provide a rich example of a situation-like context.

Optical Character Recognition (OCR) is a well studied subject involving variousapplication areas. OCR results in various limited problem areas are promising,however building highly accurate OCR application is still problematic in practice.This thesis discusses the problem of recognizing and confirming Bingo lottery numbersfrom a real lottery field, and a prototype for Android phone is implementedand evaluated. An OCR library Tesseract and two Artificial Neural Network (ANN)approaches are compared in an experiment and discussed. The results show thattraining a neural network for each number gives slightly higher results than Tesseract.

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. Slutsatsen är att efter detta experiment rekommenderas en agent med belöningsbaserat nätverk över en med exempelbaserat men att detta inte är någon garanti för att få optimala resultat. Ett framtida arbete som hade varit intressant är att fokusera på endast en algoritm och se hur träning och skillnader på olika nätverksarkitekturer hade påverkat den.

Detta arbete utvärderar ANN-arkitekturerna feedforward, Elman och ESCN då de används för att styra en bil i en enkel 2D-simulering. Nätverken tränas av en evolutionär algoritm som använder nätverkens vikter som genom för dess individer. Syftet med arbetet är att se om arkitekturerna presterar olika bra. Simuleringens komplexitet, i form av halka och sladd, samt banans svårighetsgrad varieras för att se vilka arkitekturer som klarar vilka komplexa problem bäst och var de eventuellt brister. Ett program utvecklades som testade de olika fallen och resultatet visade att Elman presterade sämst, speciellt då komplexiteten ökade, och ESCN presterade lite bättre än feedforward. Varför Elman presterade sämre fick inget svar i detta arbete, och ESCN använde sitt minne på ett sätt som skulle kunna vara värt att titta vidare på. Framtida arbete skulle kunna vara att ta reda på orsakerna till de ovanliga beteendena som uppstod samt att genomföra mer utförliga tester.

This study surveys the dreams and ideas of the missionary movement as shown in the life of the Worcester-Robertson family who lived among the Cherokee and Creek Indians. The sources include pertinent material in the papers of the American Board of Commissioners for Foreign Missions (ABCFM), Houghton Library, Harvard University; the Presbyterian Historical Society, Philadelphia; the Indian Archives and Alice Robertson papers, Oklahoma Historical Society, Oklahoma City; the Alice Robertson Collection, University of tulsa; family papers, interviews and correspondence.

Magister Artium / The purpose of this dissertation is to chart the development of an ambivalent female identity in the Gothic genre, as exemplified by Ann Radcliffe's late eighteenth century fictions. The thesis examines the social and literary context of the emergence of the Gothic in English literature and argues that it is intimately tied up with changes in social, political and gender relations in the period. / South Africa