When forensic examiners try to identify the perpetrator of a felony, they use individual facial marks when comparing the suspect with the perpetrator. Facial marks are often used for identification and they are nowadays found manually. To speed up this process, it is desired to detect interesting facial marks automatically. This master thesis describes a method to automatically detect and separate permanent and non-permanent marks. It uses a fast radial symmetry algorithm as a core element in the mark detector. After candidate skin mark extraction, the false detections are removed depending on their size, shape and number of hair pixels. The classification of the skin marks is done with a support vector machine and the different features are examined. The results show that the facial mark detector has a good recall while the precision is poor. The elimination methods of false detection were analysed as well as the different features for the classifier. One can conclude that the color of facial marks is more relevant than the structure when classifying them into permanent and non-permanent marks. / När forensiker försöker identifiera förövaren till ett brott använder de individuella ansiktsmärken när de jämför den misstänkta med förövaren. Dessa ansiktsmärken identifieras och lokaliseras oftast manuellt idag. För att effektivisera denna process, är det önskvärt att detektera ansiktsmärken automatiskt. I rapporten beskrivs en framtagen metod som möjliggör automatiskt detektion och separation av permanenta och icke-permanenta ansiktsmärken. Metoden som är framtagen använder en snabb radial symmetri algoritm som en huvuddel i detektorn. När kandidater av ansiktsmärken har tagits, elimineras alla falska detektioner utifrån deras storlek, form och hårinnehåll. Utifrån studiens resultat visar sig detektorn ha en god känslighet men dålig precision. Eliminationsmetoderna av falska detektioner analyserades och olika attribut användes till klassificeraren. I rapporten kan det fastställas att färgskiftningar på ansiktsmärkena har en större inverkan än formen när det gäller att sortera dem i permanenta och icke-permanenta märken.

Automatic translations, or machine translations, get more and more advanced and common. This paper aims to examine how well Google Traduction works for translating an ideological text. To what extent can a computer program interpret such a text, and render the meaning of complex thoughts and ideas into another language ? In order to study this, UNESCOS World Report Investing in Cultural Diversity and Intercultural Dialogue has been translated from french to swedish, first automatically and then manually. Focusing on denotations, connotations, grammar and style, the two versions have been analysed and compared. The conclusion drawn is that while Google Traduction impresses by its speed and possibilites, editing the automatically translated text in order to correctly transmit the mening and the message of the text to the target language reader, would probably be a more time-consuming process than writing a direct translation manually.

Abstract Reflectorless EDM technology uses phase measuring or pulsed lasers to measure targets of a reflective and non-reflective nature. Reflectorless distance measurement provides rapid measurement by saving time and labour for surveyors. However, the accuracy of these types of measurements is under question because of the variety of constraints that affect the measurement. This paper attempts to show the techniques of total station calibration and to investigate the possible sources of error in reflectorless distance measurement. As a result, the effects of different color targets and angle incidence on distance measurement were checked. The precision of reflectorless distance measurement also investigated. In addition, comparison was made for manual and automatic target recognition measurement. Further experiment was performed on how to calibrate the total station instrument and the performance of the instrument was checked by KTH-TSC software. The experiments were evaluated by taking the reflector reading as ‘true value’ to check the accuracy of reflectorless measurement. The effects of colour surfaces on distance measurement have no significant difference. Besides, the result shows that the error in distance increased as the angle of incidence in the target increases. The result also indicates that automatic target recognition mode is the most advisable technique for precise measurement. Finally, an optimal number of seven target points was found for the calculation of prism constant. / Sammandrag Reflektorlös EDM-tekniken använder fas mätning eller pulsade lasrar för att mäta mål en reflekterande och icke-reflekterande karaktär. Reflektorlös avståndsmätning ger snabb mätning genom att spara tid och arbete för inspektörer. Emellertid är noggrannheten hos dessa typer av mätningar under fråga på grund av olika begränsningar som påverkar mätningen. Denna uppsats försöker visa de metoder för totalstation kalibrering och att undersöka eventuella felkällor i reflektorlös avståndsmätning. Som ett resultat var effekterna av olika färger mål och vinkel inverkan på avståndsmätning kontrolleras. Noggrannheten i reflektorlös avståndsmätning undersökt också. Dessutom gjordes jämförelse för manuell och automatisk måligenkännande mätning. Ytterligare experiment utfördes på hur man kalibrerar totalstationen instrumentet och prestanda instrumentet kontrollerades av KTH-TSC programvara. Experimenten utvärderades genom att reflektorn läsning som "sanna värdet" för att kontrollera riktigheten i reflektorlös mätning. Effekterna av färgytor på avståndsmätning har ingen signifikant skillnad. Dessutom visar resultatet felet i avståndet ökade infallsvinkeln i målet ökar. Resultatet visar också automatiskt måligenkännande läget är det mest lämpligt tekniken för exakt mätning. Slutligen ett optimalt antal av sju målpunkter hittades för beräkning av prismakonstanten.

C# provides static analysis libraries for template-based code analysis and code fixing. These libraries have been used by the open-source community to generate numerous NuGet packages for different use-cases. However, due to the unstructured vastness of these packages, it is difficult to find the ones required for a project and creating new analyzers and fixers take time and effort to create. Therefore, this thesis proposes a neural network, which firstly imitates existing fixers and secondly extrapolates to fixes of unseen diagnostics. To do so, the state-of-the-art of static analysis NuGet packages is examined and further used to generate a dataset with diagnostics and corresponding code fixes for 24,622 data points. Since many C# fixers apply formatting changes, all formatting is preserved in the dataset. Furthermore, since the fixers also apply identifier changes, the tokenization of the dataset is varied between splitting identifiers by camelcase and preserving them. The neural network uses a sequence-to-sequence learning approach with the Transformer model and takes file context, diagnostic message and location as input and predicts a diff as output. It is capable of imitating 46.3% of the fixes, normalized by diagnostic type, and for data points with unseen diagnostics, it is able to extrapolate to 11.9% of normalized data points. For both experiments, splitting identifiers by camelcase produces the best results. Lastly, it is found that a higher proportion of formatting tokens in input has minimal positive impact on prediction success rates, whereas the proportion of formatting in output has no impact on success rates. / C# tillhandahåller statiska analysbibliotek för mallbaserad kodanalys och kodfixering. Dessa bibliotek har använts av open source-gemenskapen för att generera många NuGet-paket för olika användningsfall. Men på grund av mängden av dessa paket är det svårt att hitta de som krävs för ett projekt och att skapa nya analysatorer och fixare tar tid och ansträngning att skapa. Därför föreslår denna avhandling ett neuralt nätverk, som för det första imiterar befintliga korrigeringar och för det andra extrapolerar till korrigeringar av osynlig diagnostik. För att göra det har det senaste inom statisk analys NuGetpaketen undersökts och vidare använts för att generera en datauppsättning med diagnostik och motsvarande kodfixar för 24 622 datapunkter. Eftersom många C# fixers tillämpar formateringsändringar, bevaras all formatering i datasetet. Dessutom, eftersom fixarna också tillämpar identifieringsändringar, varieras tokeniseringen av datamängden mellan att dela upp identifierare efter camelcase och att bevara dem. Det neurala nätverket använder en sekvenstill- sekvens-inlärningsmetod med Transformer-modellen och tar filkontext, diagnostiskt meddelande och plats som indata och förutsäger en skillnad som utdata. Den kan imitera 46,3% av korrigeringarna, normaliserade efter diagnostisk typ, och för datapunkter med osynlig diagnostik kan den extrapolera till 11,9% av normaliserade datapunkter. För båda experimenten ger uppdelning av identifierare efter camelcase de bästa resultaten. Slutligen har det visat sig att en högre andel formateringstokens i indata har minimal positiv inverkan på åndelen korrekta förutsägelser, medan andelen formatering i utdata inte har någon inverkan på åndelen korrekta förutsägelser.

Voice user interfaces have been growing in popularity and with them an interest for open vocabulary keyword spotting. In this thesis we focus on one particular approach to open vocabulary keyword spotting, query by example keyword spotting. Three types of query by example keyword spotting approaches are described and evaluated: sequence distances, speech to phonemes and deep distance learning. Evaluation is done on a series of custom tasks designed to measure a variety of aspects. The Google Speech Commands benchmark is used for evaluation as well, this to make it more comparable to existing works. From the results, the deep distance learning approach seem most promising in most environments except when memory is very constrained; in which sequence distances might be considered. The speech to phonemes methods is lacking in the usability evaluation. / Röstgränssnitt har växt i populäritet och med dem ett intresse för öppenvokabulärnyckelordsigenkänning. I den här uppsatsen fokuserar vi på en specifik form av öppenvokabulärnyckelordsigenkänning, den s.k nyckelordsigenkänning- genom- exempel. Tre typer av nyckelordsigenkänning- genom- exempel metoder beskrivs och utvärderas: sekvensavstånd, tal till fonem samt djupavståndsinlärning. Utvärdering görs på konstruerade uppgifter designade att mäta en mängd olika aspekter hos metoderna. Google Speech Commands data används för utvärderingen också, detta för att göra det mer jämförbart mot existerade arbeten. Från resultaten framgår det att djupavståndsinlärning verkar mest lovande förutom i miljöer där resurser är väldigt begränsade; i dessa kan sekvensavstånd vara av intresse. Tal till fonem metoderna visar brister i användningsuvärderingen.

Introduktion: Blodtryck är en livsviktig funktion som bidrar till syretillförseln till kroppens olika organ. Blodtryck går att mäta och är en viktig indikation på det kardiovaskulära systemets funktion. Det finns olika metoder att mäta blodtryck, bland annat auskultatoriskt, automatiskt och med hjälp av Dopplerteknik. Syftet var att jämföra de tre olika metoderna för att se om det förelåg en signifikant skillnad mellan metoderna.   Material och metod: Studien bestod av 30 deltagare. Studiedeltagaren vilade i tio minuter före första blodtrycksmätningen, därefter mättes deras blodtryck i en slumpad ordning med auskultatorisk, automatisk och med Dopplermetod. För att kontrollera om det förelåg en statistisk signifikant skillnad användes en variansanalys (ANOVA) och ett parat t-test.   Resultat och slutats: Det förelåg ingen signifikant skillnad mellan de systoliska blodtrycken. Däremot mellan de diastoliska trycken registrerat med den auskultatoriska och automatiska metoden förelåg det en signifikant skillnad, men den anses inte ha en klinisk betydelse. / Introduction: Blood pressure is a vital function that contributes to the supply of oxygen to the body’s various organs. Blood pressure can be measured and is an important indicator of the cardiovascular system function. There are different methods to measure blood pressure, these are, for example auscultatory, automatic and with the help of a Doppler technique. The aim was to compare the three different methods and see if there was a significant difference between them.   Material and method: The study consisted of 30 participants. The participant rested for ten minutes before the first examination and then their blood pressure was measured in a random order by the three methods: auscultatory, automatic and the Doppler method. To process the collected data an analysis of variance test (ANOVA) and a paired t-test were used.   Results and conclusion: There were no significant difference between the systolic blood pressures. In contrast, there was a difference between the diastolic blood pressures registered with the auscultatory and automatic methods, but this was not considered to be of clinical significance.

With the increasing use of big data and automatization, financial data extraction is of growing importance in the financial industry. The thesis examines how an extraction system can be developed for extracting relevant data for credit rating analysis. The system is designed to collect financial reports, extract relevant information, and identify failed extractions. Prerequisites were identified by conducting a qualitative literature study, as well as holding meetings with employees at a credit rating analysis company to align the system’s functionality with the company’s processes. The results showed that an automatic extraction can be implemented. The system was trained through a manual review process, resulting in an increase in performance. Following the training, the system was able to identify and extract all target data correctly. However, in some reports, certain target data was missing and these were treated as failures by the system. In summary, a system that extracts all existing target data was implemented. / Med den ökande användningen av big data och automatisering blir utvinning av finansiella data allt viktigare inom finansbranschen. Uppsatsen undersöker hur ett extraktionssystem kan utvecklas för extraktion av relevant data för kreditvärderingsanalys. Systemet är utformat för att samla in finansiella rapporter, extrahera relevant information och identifiera misslyckade extraktioner. Förutsättningar identifierades genom att genomföra en kvalitativ litteraturstudie samt att hålla möten med anställda på ett företag som utför kreditvärderingsanalyser för att anpassa systemets funktionalitet efter företagets processer. Resultaten visade att en automatisk extraktion kan implementeras. Systemet tränades genom en manuell granskningsprocess, vilket resulterade i en ökad prestanda. Efter träningen kunde systemet identifiera och extrahera all måldata korrekt. Dock saknades viss måldata i vissa rapporter, och dessa behandlades som misslyckanden av systemet. Sammanfattningsvis implementerades ett system som extraherar all befintlig måldata.

Usage of natural language processing tools to generate code is increasing together with the advances in artificial intelligence. These tools could improve the efficiency of software development, if the generated code can be shown to be trustworthy enough to solve a given problem. This thesis examines what problems can be solved using automatically generated code such that the results can be trusted. A set of six problems were chosen to be used for testing two automatic code generators and the accuracy of their generated code. The problems were chosen to span a range from introductory programming assignments to complex problems with no known efficient algorithm. The problems also varied in how direct their descriptions were, with some describing exactly what should be done, while others described a real-world scenario with a desired result. The problems were used as prompts to the automatic code generators to generate code in three different programming languages. A testing framework was built that could execute the generated code, feed problem instances to the processes, and then verify the solutions that were outputted from them. The data from these tests were then used to calculate the accuracy of the generated code, based on how many of the problem instances were correctly solved. The experimental results show that most solutions to the problems either got all outputs correct, or had few or no correct outputs. Problems with direct explanations, or simple and well known algorithms, such as sorting, resulted in code with high accuracy. For problems that were wrapped in a scenario, the accuracy was the lowest. Hence, we believe that identifying the underlying problem before resorting to code generators should possibly increase the accuracy of the code. / Användningen av verktyg som bygger på språkteknologi för att generera kod har ökat i takt med framstegen inom artificiell intelligens. Dessa verktyg kan användas för att öka effektiviten inom mjukvaruutveckling, om den genererade koden kan visas tillförlitlig nog för att lösa ett givet problem. Denna avhandling utforskar vilka problem som kan lösas med automatiskt genererad kod på en nivå sådan att resultaten kan dömas tillförlitliga. En mängd på sex olika problem valdes för att testa två olika kodgenererande verktygs noggrannhet. De utvalda problemen valdes för att täcka ett stort span av programmeringsproblem. Från grundläggande programmeringsproblem till komplexa problem utan kända effektiva algoritmer. Problemen hade även olika nivåer av tydlighet i deras beskrivning. Vissa problem var tydligt formulerade med ett efterfrågat tillvägagångssätt, andra var mindre tydliga med sitt respektive förväntade resultat inbakat i problembeskrivningen. De utvalda kodgenererade verktygen uppmanades lösa problem enligt sex problembeskrivningar på tre olika programmeringsspråk. Ett ramverk byggdes som skapade probleminstanser, exekverade den genererade koden och verifierade den utmatade lösningen. Resultaten användes för att beräkna den genererade kodens noggrannhet, baserat på hur många av de givna instanserna som lösts korrekt. Resultaten från testerna visar att de flesta av de genererade lösningarna fick antingen alla eller inga instanser korrekt lösta. Problem med tydliga beskrivningar och enkla välkända algoritmer så som sortering, resulterade i kod med hög noggrannhet. För de mindre tydliga problemen, som resulterade i lägst noggrannhet, bör identifiering av det underliggande problemet öka kodens noggrannhet.

Sleep arousal is a phenomenon that affects the sleep of a large amount of people. The process of predicting and classifying arousal events is done manually with the aid of certified technologists, although some research has been done on automation using Artificial Neural Networks (ANN). This study explored how a Support Vector Machine performed(SVM) compared to an ANN on this task. Polysomnography (PSG) is a sort of sleep study which produces the data that is used in classifying sleep disorders. The PSG-data used in this thesis consists of 13 wave forms sampled at or resampled at 200Hz. There were samples from 994 patients totalling approximately 6.98 1010 data points, processing this amount of data is time consuming and presents a challenge. 2000 points of each signal was used in the construction of the data set used for the models. Extracted features included: Median, Max, Min, Skewness, Kurtosis, Power of EEG-band frequencies and more. Recursive feature elimination was used in order to select the best amount of extracted features. The extracted data set was used to train two ”out of the box” classifiers and due to memory issues the testing had to be split in four batches. When taking the mean of the four tests, the SVM scored ROC AUC of 0,575 and the ANN 0.569 respectively. As the difference in the two results was very modest it was not possible to conclude that either model was better suited for the task at hand. It could however be concluded that SVM can perform as well as ANN on PSG-data. More work has to bee done on feature extraction, feature selection and the tuning of the models for PSG-data to conclude anything else. Future thesis work could include research questions as ”Which features performs best for a SVM in the prediction of Sleep arousals on PSG-data” or ”What feature selection technique performs best for a SVM in the prediction of Sleep arousals on PSG-data”, etc. / Sömnstörningar är en samling hälsotillstånd som påverkar sömnkvaliteten hos en stor mängd människor. Ett exempel på en sömnstörning är sömnapne. Detektion av dessa händelser är idag en manuell uppgift utförd av certifierade teknologer, det har dock på senare tid gjorts studier som visar att Artificella Neurala Nätverk (ANN) klarar att detektera händelserna med stor träffsäkerhet. Denna studie undersöker hur väl en Support Vector Machine (SVM) kan detektera dessa händelser jämfört med en ANN. Datat som används för att klassificera sömnstörningar kommer från en typ av sömnstudie kallad polysomnografi (PSG). Den PSG-data som används i denna avhandling består av 13 vågformer där 12 spelats in i 200Hz och en rekonstruerats till 200Hz. Datan som används i denna avhandling innehåller inspelningar från 994 patienter, vilket ger totalt ungefär·6.98 1010 datapunkter. Att behandla en så stor mängd data var en utmaning. 2000 punkter från vare vågform användes vid konstruktionen av det dataset som användes för modellerna. De attribut som extraherades innehöll bland annat: Median, Max, Min, Skewness, Kurtosis, amplitud av EEG-bandfrekvenser m.m. Metoden Recursive Feature Elimination användes för att välja den optimala antalet av de bästa attributen. Det extraherade datasetet användes sedan för att träna två standard-konfigurerade modeller, en SVM och en ANN. På grund av en begräning av arbetsminne så var vi tvungna att dela upp träningen och testandet i fyra segment. Medelvärdet av de fyra testen blev en ROC AUC på 0,575 för en SVM, respektive 0,569 för ANN. Eftersom skillnaden i de två resultaten var väldigt marginella kunde vi inte dra slutsatsen att endera modellen var bättre lämpad för uppgiften till hands. Vi kan dock dra slutsatsen att en SVM kan prestera lika väl som ANN på PSG-data utan konfiguration. Mer arbete krävs inom extraheringen av attributen, attribut-eliminationen och justering av modellerna. Framtida avhandlingar skulle kunna göras med frågeställningarna: “Vilka attributer fungerar bäst för en SVM inom detektionen av sömnstörningar på PSG-data” eller ”Vilken teknik för attribut-elimination fungerar bäst för en SVM inom detektionen av sömnstörningar på PSG-data”, med mera.

Content assist is one of the most powerful features in integrated development environments (IDE). While a lot of research papers exist on content assist for software programming languages (SPL), hardware description languages (HDL) aren’t covered at all. In this thesis, we improve content assist for SystemVerilog, one of the most widely used HDL, by using different ordering strategies and comparing them to each other. In the end, 6 different strategies are kept: two based on frequencies, one on the usage of the content assist, one on the name of the variable, one on the type of the variable, and one on the distance from their declaration to the cursor position. We test our implementation in 3 different open-source projects well-known and used by the SystemVerilog community: OpenTitan, SweRV, and riscv-dv. We achieve having the expected entry in the top 5 in more than 40% of cases with no prefix and up to 66% of cases with 1 character already typed. / Automatisk komplettering är en av de mest kraftfulla funktionerna i integrerade utvecklingsmiljöer (integrated development environments, IDE). Även om det finns många forskningsartiklar om automatisk komplettering för mjukvaruprogrammeringsspråk (software programming languages, SPL), täcks inte hårdvarubeskrivningsspråk (hardware description language, HDL) alls. I det här examensarbetet förbättras innehållshjälp för SystemVerilog, en av de mest använda HDL:erna, genom att använda olika ordningsstrategier och jämföra dem med varandra. Slutligen behålls 6 olika strategier: två baserade på frekvenser, en baserad på användningen av automatisk komplettering, en baserad på variabelns namn, en baserad på variabelns typ och en baserad på avståndet från deras deklaration till markörens position. Implementeringen testas i 3 olika open source-projekt som är välkända och används av SystemVerilog-användarna: OpenTitan, SweRV och riscvdv. Implementeringen föreslog den förväntade termen bland de fem första förslagen i 40% av fallen där inget prefix var givet och i 66% av fallen när ett tecken var givet