Companies are required to have the ability to be attractive because of today's intense market. They have to constantly make sure that their visual elements and graphic profile are related to the current market conditions. Furthermore the market are placing higher demands on how companies expose their brands and quite often the companies have to do a rebrand to keep their brand relevant. To do this, companies often have to hire an external party, such as an external advertising- or media agency. The purpose of this study is to investigate what causes a rebranding and how the external agencys are working with the process. The study also examines which factors the agencies take into account when designing a new visual identity and whether it's important to preserve certain core elements from the previous visual identity. This is investigated based on following questions: "What are the reasons to why a company chooses to do a rebrand?", "What do external agencies take into account when designing a new visual identity?" and "Is it important to maintain graphic elements from the previous visual identity?". To answer the questions, the researchers have applied a qualitative study where semi-structured interviews have been implemented. Theory is based on secondary sources and previous research that deals with the area of rebranding, visual identity and the different elements of identity. The reasons to rebranding can be different. The study also shows that some companies have a visual identity that does not interact with their products or services, which is the reason to rebranding. In summary, the external agencies take into account many of the aspects surrounding the design that are brought up by previous research, but the study also adds new perspectives. / Dagens marknad kräver att företagen behöver ha förmågan att vara attraktiva. Företagen behöver ständigt se till att deras visuella element och grafiska profil förhåller sig till de nuvarande marknadsförutsättningarna. Marknaden ställer högre krav på hur företag exponerar sina varumärken och många gånger behöver företagen genomgå en rebranding för att hålla sitt varumärke relevant. Ofta behöver företag anlita en extern part för att genomföra rebranding, denna hjälp kan i dessa fall komma från en extern reklam- eller mediabyrå. Syftet med studien är att undersöka vad som är orsaken till rebranding och hur externa byråer arbetar med processen. Studien undersöker även vilka faktorer byråerna tar hänsyn till i utformande i utformandet av en ny visuell identitet samt om det är viktigt att bevara kärnelement från den tidigare visuella identiteten. Detta genom att utgå från frågeställningarna "Vilka är orsakerna till att ett företag väljer att göra en rebranding av sitt varumärke?", "Vad tar externa byråer hänsyn till vid utformandet av en ny visuell identitet?" samt "Är det viktigt att bevara grafiska element från den tidigare visuella identiteten?". För att besvara frågeställningarna har forskarna tillämpat en kvalitativ studie där intervjuer med utvalda respondenter från tre externa byråer har genomförts. Intervjuerna var semistrukturerade och byggde på öppna frågor som möjliggjorde för väl utvecklade svar. Teori grundas på sekundärkällor och tidigare forskning som handlar om området rebranding, visuell identitet och identitetens olika element. Studiens slutsats visar att de externa byråerna arbetar olika med rebranding. Vissa byråer väljer att ta stor hänsyn till det tidigare existerande varumärket medan andra vågar vara helt nytänkande. Orsakerna till rebranding kan vara relativt skilda och studien indikerar på en ytterligare faktor som handlar om att vissa företag har en visuell identitet som inte samverkar med deras produkter eller tjänster. De externa byråerna tar hänsyn till många av de aspekter kring utformandet som tidigare forskning behandlar. Det framkommer även att företagets logotyp ska laddas med värde och behov. Byråerna tillför också idén om att skapa mönster, piktogram och illustrationer, målet med dessa grafiska element är att de ska kunna associeras lika starkt till varumärket som företagets logotyp gör.

Denna studie jämför hur SVT respektive Aftonbladet använder den sociala mediekanalen TikTok för att förmedla nyheter till ungdomar och unga vuxna. Specifikt analyseras hur programledaren (och andra aktörer) använder språkliga medel för att bygga en relation med publiken i nyhetsförmedlingen, hur grafiska element samverkar med programledaren för att skapa begriplighet och väcka intresse, samt hur SVT och Aftonbladet skiljer sig åt vad gäller relation, begriplighet och intresse i nyhetsförmedlingen på TikTok. Undersökningens teoretiska ramverk utgörs av systemisk-funktionell grammatik (SFG) och sociosemiotik för att studera multimodal kommunikation. Undersökningens analysmetoder lägger fokus på den interpersonella metafunktionen och dess kategorier och begrepp för att besvara frågan om relation, samt visuell framskjutenhet för att studera de grafiska element som förekommer i TikTok-klippen. Undersökningen har sin grund i min praktik på SVT där det framkom att SVT nyligen lanserat nyhetsförmedling via TikTok i syfte att locka unga vuxna, den så kallade generation Z, och en direkt dialog med målgruppen genom återkommande studiebesök. Studien jämför användandet av språkliga och grafiska element i tre likadana nyheter från SVT:s och Aftonbladets TikTok-kanaler. Vidare genomförs en intervjuundersökning mot målgruppen för att få en initial empirisk återkoppling på de slutsatser som framkommer i den språkvetenskapliga analysen. Undersökningens resultat visar på tydliga skillnader i interaktionen mellan programledare och tittare i SVT:s respektive Aftonbladets TikTok-klipp. Slutsatserna ger därmed insikter till hur nyhetsförmedling på TikTok bör utformas för att nå den önskade målgruppen generation Z.

Information Extraction is a sub-field of Natural Language Processing that aims to extract structured data from unstructured sources. With the progress in digitization, extracting key information like account number, gross amount, etc. from business invoices becomes an interesting problem in both industry and academy. Such a process can largely facilitate online payment, as users do not have to type in key information by themselves. In this project, we design and implement an extraction system that combines Machine Learning and Heuristic Rules to solve the problem. Invoices are transformed into a graph structure and then Graph Neural Networks are used to give predictions of the role of each word appearing on invoices. Rule-based modules output the final extraction results based on aggregated information from predictions. Different variants of graph models are evaluated and the best system achieves 90.93% correct rate. We also study how the number of stacked graph neural layers influences the performance of the system. The ablation study compares the importance of each extracted feature and results show that the combination of features from different sources, rather than any single feature, plays the key role in the classification. Further experiments reveal the respective contributions of Machine Learning and rule-based modules for each label. / Informationsutvinning är ett delområde inom språkteknologi som syftar till att utvinna strukturerade data från ostrukturerade källor. I takt med den ökande digitaliseringen blir det ett intressant problem för både industrin och akademin att extrahera nyckelinformation som t.ex. kontonummer, bruttobelopp och liknande från affärsfakturor. En sådan process kan i hög grad underlätta onlinebetalningar, eftersom användarna inte behöver skriva in nyckelinformation själva. I det här projektet utformar och implementerar vi ett extraktionssystem som kombinerar maskininlärning och heuristiska regler för att lösa problemet. Fakturor kommer att omvandlas till en grafstruktur och sedan används grafiska neurala nätverk för att förutsäga betydelsen av varje ord som förekommer på fakturan. Regelbaserade moduler producerar de slutliga utvinningsresultaten baserat på aggregerad information från förutsägelserna. Olika varianter av grafmodeller utvärderas och det bästa systemet uppnår 90,93 % korrekta resultat. Vi studerar också hur antalet neurala graflager påverkar systemets prestanda. I ablationsstudien jämförs betydelsen av varje extraherat särdrag och resultaten visar att kombinationen av särdrag från olika källor, snarare än något enskilt särdrag, spelar en nyckelroll i klassificeringen. Ytterligare experiment visar hur maskininlärning och regelbaserade moduler på olika sätt bidrar till resultatet.

Renewable energy, including offshore wind power, is expected to play a significant role in mitigating climate change and meeting a growing demand on electricity. Fiji, a Small Island Developing Nation in the South Pacific, needs large quantities of additional renewable energy to achieve its NDC goals and has good natural resources for offshore wind power. The purpose of the study is to analyse the technical potential for fixed and floating offshore wind power, identify the most suitable site (s), perform economic feasibility analysesfor different-sized offshore wind farms and determine possible emission reductions from offsetting electricity generation based on fossil fuels. The objectives are achieved through a literature study, interviews, a GIS-based multi-criteria site suitability analysis and feasibility calculations. In the study it was concluded that there is great potential for offshore wind power in Fiji. There are large areas with technical potential for fixed and floating offshore wind power and the most suitable sites, both located in the Bligh waters, have average wind speeds of 8.6 m/s and 8.5 m/s. The potential for offshore wind power was concluded to be large enough for Fiji’s needs, economically feasible and potentially competitive to invest in. The simple payback time would be approximately 13.5 years and the cost of electricity would be 0.13 USD/kWh, which is lower than the feed-in tariff for Fiji’s national grid at 0.15 USD/kWh. Different-sized offshore wind farms and its possible emission reductions could contribute with between 12-37% of Fiji’s NDC goal to reduce emissions from the energy sector by 30% compared to a business as usual scenario as well as contribute to have 99% renewable grid-connected electricity generation by 2030. However, during the study, it was concluded an implementation of offshore wind power in Fiji would require large investments, large capacities of energy storage, frequency regulating services and there are potential environmental and social impacts have to be taken into consideration. There is also a need for further research on how to cyclone-proof offshore wind farms in Fiji. / Förnybar energi, inklusive havsbaserad vindkraft, förväntas spela en avgörande roll för att minska klimatförändringarna och för att möta en ökande efterfrågan på elektricitet. Fiji, en liten önation i Stilla havet, behöver stora mängder ytterligare förnybar energi för att nå sina NDC mål och har bra naturresurser för havsbaserad vindkraft. Syftet med studien är att analysera den tekniska potentialen för fixerad och flytande havsbaserad vindkraft, identifiera de mest lämpliga platserna, utföra ekonomiska lönsamhetsanalyser för olika stora havsbaserade vindkraftsparker och avgöra möjliga utsläppsminskningar genom att avsätta elproduktion baserad på fossila bränslen. Målen uppfylls genom en litteraturstudie, intervjuer, GIS-baserad multikriterie platslämplighetsanalys och genomförbarhetsberäkningar. I studien drogs slutsatsen att det finns stor potential för havsbaserad vindkraft i Fiji. Det finns stora områden med teknisk potential för fixerad och flytande havsbaserad vindkraft och de mest lämpliga platserna, båda belägna i Bligh waters, har genomsnittliga vindhastigheter på 8.6 m/s och 8.5 m/s. Potentialen för havsbaserad vindkraft bedöms vara stor nof för Fijis behov, ekonomsikt genomförbart och potentiellt konkurrenskraftigt att investera i. Återbetalningstiden bedöms vara ungeför 13.5 år och elektricitetskostnaden 0.13 USD/kWh, vilket är lägre än inmatningstaxan till Fijis nationella elnät som är på 0.15 USD/kWh. De 12-37% av Fijis mål om att minska utsläppen från energisektorn med 30% jämfört med ett business as usual scenario liksom bidra till att ha 99% förnybar elnätsansluten elgeneration till 2030. Men, i studien drog också slutsatsen att en implementering av havsbaserad vindkraft i Fiji skulle kräva stora investeringar, stora mängder energilagring, frekvensreglerande tjänster och det finns potentiella miljömässiga och sociala effekter som måste tas i hänsyn. Det finns också behov av ytterligare forskning om hur man kan cyklon-säkra havsbaserade vindkraftsparker i Fiji.

Link prediction is a crucial task in many downstream applications of graph machine learning. Graph Neural Networks (GNNs) are a prominent approach for transductive link prediction, where the aim is to predict missing links or connections only within the existing nodes of a given graph. However, many real-life applications require inductive link prediction for the newly-coming nodes with no connections to the original graph. Thus, recent approaches have adopted a Multilayer Perceptron (MLP) for inductive link prediction based solely on node features. In this work, we show that incorporating both connectivity structure and features for the new nodes provides better model expressiveness. To bring such expressiveness to inductive link prediction, we propose LEAP, an encoder that features LEArnable toPology augmentation of the original graph and enables message passing with the newly-coming nodes. To the best of our knowledge, this is the first attempt to provide structural contexts for the newly-coming nodes via learnable augmentation under inductive settings. Conducting extensive experiments on four real- world homogeneous graphs demonstrates that LEAP significantly surpasses the state-of-the-art methods in terms of AUC and average precision. The improvements over homogeneous graphs are up to 22% and 17%, respectively. The code and datasets are available on GitHub*. / Att förutsäga länkar är en viktig uppgift i många efterföljande tillämpningar av maskininlärning av grafer. Graph Neural Networks (GNNs) är en framträdande metod för transduktiv länkförutsägelse, där målet är att förutsäga saknade länkar eller förbindelser endast inom de befintliga noderna i en given graf. I många verkliga tillämpningar krävs dock induktiv länkförutsägelse för nytillkomna noder utan kopplingar till den ursprungliga grafen. Därför har man på senare tid antagit en Multilayer Perceptron (MLP) för induktiv länkförutsägelse som enbart bygger på nodens egenskaper. I det här arbetet visar vi att om man införlivar både anslutningsstruktur och egenskaper för de nya noderna får man en bättre modelluttryck. För att ge induktiv länkförutsägelse en sådan uttrycksfullhet föreslår vi LEAP, en kodare som innehåller LEArnable toPology augmentation av den ursprungliga grafen och möjliggör meddelandeöverföring med de nytillkomna noderna. Såvitt vi vet är detta det första försöket att tillhandahålla strukturella sammanhang för de nytillkomna noderna genom en inlärningsbar ökning i induktiva inställningar. Omfattande experiment på fyra homogena grafer i den verkliga världen visar att LEAP avsevärt överträffar "state-of-the-art" metoderna när det gäller AUC och genomsnittlig precision. Förbättringarna jämfört med homogena grafer är upp till 22% och 17%. Koden och datamängderna finns tillgängliga på Github*.

This master's thesis investigates the application of Graph Neural Networks (GNNs) to address scalability challenges in combinatorial optimization, with a primary focus on the minimum Total Dominating set Problem (TDP) and additionally the related Carrier Scheduling Problem (CSP) in networks of Internet of Things. The research identifies the NP-hard nature of these problems as a fundamental challenge and addresses how to improve predictions on input graphs of sizes much larger than seen during training phase. Further, the thesis explores the instability in such scalability when leveraging GNNs for TDP and CSP. Two primary measures to counter this scalability problem are proposed and tested: incorporating node degree as an additional feature and modifying the attention mechanism in GNNs. Results indicate that these countermeasures show promise in addressing scalability issues in TDP, with node degree inclusion demonstrating overall performance improvements while the modified attention mechanism presents a nuanced outcome with some metrics improved at the cost of others. Application of these methods to CSP yields bleak results, evincing the challenges of scalability in more complex problem domains. The thesis contributes by detecting and addressing scalability challenges in combinatorial optimization using GNNs and provides insights for further research in refining methodologies for real-world applications. / Denna masteruppsats undersöker tillämpningen av Grafiska Neurala Nätverk (GNN) för att hantera utmaningar inom skalbarhet vid kombinatorisk optimering, med ett primärt fokus på minimum Total Dominating set Problem (TDP) samt även det relaterade Carrier Scheduling Problem (CSP) i nätverk inom Internet of Things. Studien identifierar den NP-svåra karaktären av dessa problem som en grundläggande utmaning och lyfter hur man kan förbättra prediktioner på indatagrafer av storlekar som är mycket större än vad man sett under träningsfasen. Vidare utforskar uppsatsen instabiliteten i sådan skalbarhet när man utnyttjar GNN för TDP och CSP. Två primära åtgärder mot detta skalbarhetsproblem föreslås och testas: inkorporering av nodgrad som ett extra attribut och modifiering av attention-mekanismer i GNN. Resultaten indikerar att dessa motåtgärder har potential för att angripa skalbarhetsproblem i TDP, där inkludering av nodgrad ger övergripande prestandaförbättringar medan den modifierade attention-mekanismen ger ett mer tvetydigt resultat med vissa mätvärden förbättrade på bekostnad av andra. Tillämpning av dessa metoder på CSP ger svaga resultat, vilket antyder om utmaningarna med skalbarhet i mer komplexa problemdomäner. Uppsatsen bidrar genom att upptäcka och adressera skalbarhetsutmaningar i kombinatorisk optimering med hjälp av GNN och ger insikter för vidare forskning i att förfina metoder för verkliga tillämpningar.

Mobile manipulators are changing the way companies and industries complete their work. Untrained end users risk facing unfunctional and nonuser- friendly Graphical User Interfaces. Recently, there has been shortages of people and talent in the heathcare industry where these applications would benefit in being used to accomplish easy and low level tasks. All these reasons contribute to the need of finding functional robot-user ways of communicating that allow the expansion of mobile manipulation applications. This thesis addresses the problem of finding an intuitive way to deploy a mobile manipulator in a laboratory environment. This thesis has analyzed whether it is possible to permit the user to work with a manipulator efficiently and without too much effort via a functional graphical user interface. Creating a modular interface based on user needs is the innovation value of this work. It allows the expansion of mobile manipulator applications that increases the number of possible users. To accomplish this purpose a Graphical User Interface application is proposed using an explanatory research strategy. First, user data was acquired using an ad hoc research survey and mixed with literature implementations to create the right application design. Then, an iterative implementation based on code-creation and tests was used to design a valuable solution. Finally, the results from an observational user study with non-roboticist programmers are presented. The results were validated with the help of 10 potential end users and a validation matrix. This demonstrated how the system is both functional and user-friendly for novices, but also expressive for experts. / Mobilmanipulatorer förändrar sättet som företag och industrier utför sitt arbete. Otränade slutanvändare och särskilt de utan programmeringskunskap kommer att bemötas av icke-funktionella och användarovänliga grafiska användargränssnitt. Den senaste tiden har det varit brist på specialiserad personal inom hälsovårdsindustrin som har resulterat i ett beroende på dessa applikationer för att genomföra enkla uppgifter samt uppgifter på låg nivå. Alla dessa faktorer bidrar till det ökande behovet att hitta ett funktionellt sätt att kommunicera mellan robot och slutanvändare vilket tillåter expansionen av mobilmanipulatorapplikationer. Arbetet som beskrivs i denna avhandling adresserar problemet att finna ett intuitivt sätt att använda en mobilmanipulator i ett laboratoriemijö. Möjligheten att tillåta användaren att på ett enkelt och effektivt sätt arbeta med en manipulator via ett funtionellt grafiskt användargränssnitt analyseras. Innovationsvärdet och detta examensarbetes bidrag till nuvarande kunskap betraktar möjligheten att skapa ett modulärt gränssnitt baserat på användares behov. Detta möjliggör expansionen av mobilmanipulatörers applikation vilket ökar antalet möjliga användare. En förklarande forskningsstrategi används för att föreslå en grafisk användargränssnittsapplikation för att uppnå detta mål. Först användes data från ad hoc-undersökningar blandat med litteraturimplementeringar för att skapa den rätta applikationsdesignen. En iterativ implementering baserad på kodskapande samt tester användes sedan för att designa en värdefull lösning redo att testas. Slutligen presenteras resultat från en användarobservationsstudie med icke-robotikprogrammerare. De insamlade resultaten som samlades in under valideringsstadiet tack vare en grupp bestående av tio potentiella slutanvändare har analyserats genom användandet av en valideringsmatris som är baserad på tre parametrar. Detta demonstrerade hur systemet är både funktionellt och användarvänligt för nybörjare men också expressivt för experter.

Cardiovascular diseases (CVDs) are the main cause of mortality worldwide, counting for a third of world demises. Consequently, early detection and underlying factors of these pathologies can play a critical role in successful treatments. Many researchers have applied machine learning (ML) for mortality risk estimation in CVDs. However, this is difficult due to their complex and multifactorial nature and the lack of large, unbiased data collections. This thesis holds statistical analysis results and a binary classification model for CVDs mortality prediction based on the ESCARVAL-RISK study, a large cohort study (54,678 patients) running from January 2008 until December 2012. This study faces highly imbalanced classes that may lead to classification models with low specificity and sensitivity. This work proposes several ways to balance classes, including hyperparameter optimization and sample techniques tested over 15 different classification algorithms to overcome the problem. While the specificity is low, the proposed approach using SHapley Additive exPlanations (SHAP) identifies factors that may be optimal targets for intensified preventive interventions. / Kardiovaskulära sjukdomar är den främsta dödsorsaken i världen och står för en tredjedel av alla dödsfall i världen. Därför kan tidig upptäckt och underliggande faktorer för dessa sjukdomar spela en avgörande roll för framgångsrika behandlingar. Många forskare har tillämpat maskininlärning (ML) för uppskattning av dödlighetsrisker vid hjärt- och kärlsjukdomar. Detta är dock svårt på grund av deras komplexa och multifaktoriella natur och bristen på stora, opartiska datainsamlingar. Denna avhandling innehåller statistiska analysresultat och en binär klassificeringsmodell för att förutsäga dödligheten i hjärt- och kärlsjukdomar baserat på ESCARVAL-RISK-studien, en stor kohortstudie (54 678 patienter) som pågick från januari 2008 till december 2012. I studien finns mycket obalanserade klasser som kan leda till klassificeringsmodeller med låg specificitet och känslighet. I detta arbete föreslås flera sätt att balansera klasserna, inklusive optimering av hyperparametrar och provtagningstekniker som testats över 15 olika klassificeringsalgoritmer för att lösa problemet. Även om specificiteten är låg identifierar den föreslagna metoden med hjälp av SHapley Additive exPlanations(SHAP) faktorer som kan vara optimala mål för intensifierade förebyggande insatser.

Nowadays, smartphones are considered an essential part of our everyday lives. However, as the use of them increases so does their presence in vehicle environments. Prior studies have found that interacting with mobile devices while driving can cause cognitive, manual, and visual distractions. These distractions have a significant effect on driving performance and can result in serious accidents. As a solution to this, some applications, such as Spotify, has taken a different approach by developing a simplified version of their graphica linterface that is specifically designed for driving.The aim of this study is to examine what impacts simplified graphical interfaces has on the user experience for car drivers, focusing on Spotify and their car mode. In order to examine this, an online survey and a feature analysis was conducted. The result of this study shows that Spotify's car mode is missing a lot of features that are important to the users, causing them not to use it. These results highlight the challenge of providing all features that are expected by the users while creating a simpler interface.

The aging population is a global challenge, meanwhile there's a strain on Swedish healthcare. In order to make healthcare efficient, designers are responsible for developing digital services that can be used by everyone, despite disabilities. To ensure accessibility, services must comply with the European Accessibility Act by 2025, a UN directive the Swedish healthcare website 1177 does not meet. In this study, the user interface will be investigated, based on seniors 65+. Through research in graphic design and user-centered design, the group's challenges, needs and aspirations will be identified through semi-structured interviews. In order to create accessible interfaces, designers need to examine the experience based on both function and visuality. Graphic design thereby constitutes a large part of the experience as a whole and must be reflected upon. The result will contribute with insights to increase the website's accessibility and contribute to improved welfare and equality.