I denna uppsats undersöks tre olika sammansättningar av ett gerat hörn. De valda sammansättningarna är notspår och fjäder, centrumtapp och kex. Åsikter från snickare och fakta från litteratur samlas och en sammanställning skapas för att förenkla framtida projekt. Arbetet börjar med en förklarning av bakgrunden kring varför undersökningen har gjorts. Funderingarna kring olika sammansättningar startade under planeringen av min exmanensmöbel. Problemet jag ställdes inför var mängden av alternativ att välja emellan. Metoderna som har använts för att få fram information har varit litteraturstudier och intervjuer med olika snickare. Informationen och åsikterna har sammanställts för att få en tydligare bild, nackdelar och fördelar samt användningsområden för de olika sammansättningarna. Resultatet visar dels att notspår och fjäder enligt de flesta anses vara för småskaligt snickeri och just möbelsnickeri samtidigt som kex är mer lämpat för inredningssnickeri. Centrumtappen är en metod som passar både vid arbete med skivmaterial och massivt trä, däremot krävs en centrumtappmaskin. Det visar sig att de olika sammansättningarna skiljer sig en hel del, något som är nyttigt att veta inför nästa sammansättning av ett gerat hörn.

Swedish arms exports is a controversial topic. Sweden is one of the world's leading arms exporters. In connection to an investigation conducted by the Eko in 2012, which is a program of the Swedish Radio, Sweden's long arms negotiations with Saudi Arabia. This became a big debate, because Sweden isn't supposed to negotiate with non-democratic countries. The Swedish government decided to appoint a committe to study this subject and come up with stricter laws on arms exports. The purpose of this paper is to see which theory that dominates the committe investigation. it turns out that liberalism dominates the investigation, although even in small tensile characterized by realism. Liberalism is the theory which dominates them abandoned the proposals, the view of democracy as the consequences that a more restrictive regulation would entail.

Thesis deals with the proposal of the neural networks for classification of positive and negative texts. Development took place in the Python programming language. Design of deep neural network models was performed using the Keras high-level API and the TensorFlow numerical computation library. The computations were performed using GPU with support of the CUDA architecture. The final outcome of the thesis is linguistically independent neural network model for classifying texts at character level reaching up to 93,64% accuracy. Training and testing data were provided by multilingual and Yelp databases. The simulations were performed on 1200000 English, 12000 Czech, German and Spanish texts.