The goal of the diploma work is to demonstrate the possibilities of montessori education elements implementation into the education of the children with autism spectrum disorders in the preparatory form of the special elementary school. This is performed on the basis of the theoretical knowledge gained by the specific material study and by using the methods of the inspiring practice. The theoretical part has three chapters. It deals with the subject of the persons with mental disorder and is mainly focused on the children with the autism spectrum disorders. It describes the autism spectrum disorders, their etiology, diagnosis and the intervention options for people with the autism spectrum disorders. It is dedicated also to the education of children and pupils with the autism spectrum disorders and the mental disorder within the preparatory form of the special elementary school. It introduces in great detail the montessori pedagogy and its elements. The empirical part states the definition of the research inquiry. It also describes an example of the inspiring practice how the class setting, education outline concept and education materials using the elements of the montessori pedagogy into the education of the children with the autism spectrum disorders in the preparatory form of the special...

Nobel Prize-winning modern portfolio theory (MPT) has been considered to be one of the most important and influential economic theories within finance and investment management. MPT assumes investors to be riskaverse and uses the variance of asset returns as a proxy of risk to maximise the performance of a portfolio. Successful portfolio management reply, thus on accurate risk estimate and asset return prediction. Risk estimates are commonly obtained through traditional asset pricing factor models, which allow the systematic risk to vary over time domain but not in the frequency space. This approach can impose limitations in, for instance, risk estimation. To tackle this shortcoming, interest in applications of spectral analysis to financial time series has increased lately. Among others, the novel spectral portfolio theory and the spectral factor model which demonstrate enhancement in portfolio performance through spectral risk estimation [1][11]. Moreover, stock price prediction has always been a challenging task due to its non-linearity and non-stationarity. Meanwhile, Machine learning has been successfully implemented in a wide range of applications where it is infeasible to accomplish the needed tasks traditionally. Recent research has demonstrated significant results in single stock price prediction by artificial LSTM neural network [6][34]. This study aims to evaluate the combined effect of these two advancements in a portfolio optimisation problem and optimise a spectral portfolio with stock prices predicted by LSTM neural networks. To do so, we began with mathematical derivation and theoretical presentation and then evaluated the portfolio performance generated by the spectral risk estimates and the LSTM stock price predictions, as well as the combination of the two. The result demonstrates that the LSTM predictions alone performed better than the combination, which in term performed better than the spectral risk alone. / Den nobelprisvinnande moderna portföjlteorin (MPT) är utan tvekan en av de mest framgångsrika investeringsmodellerna inom finansvärlden och investeringsstrategier. MPT antar att investerarna är mindre benägna till risktagande och approximerar riskexponering med variansen av tillgångarnasränteavkastningar. Nyckeln till en lyckad portföljförvaltning är därmed goda riskestimat och goda förutsägelser av tillgångspris. Riskestimering görs vanligtvis genom traditionella prissättningsmodellerna som tillåter risken att variera i tiden, dock inte i frekvensrummet. Denna begränsning utgör bland annat ett större fel i riskestimering. För att tackla med detta har intresset för tillämpningar av spektraanalys på finansiella tidsserier ökat de senast åren. Bland annat är ett nytt tillvägagångssätt för att behandla detta den nyintroducerade spektralportföljteorin och spektralfak- tormodellen som påvisade ökad portföljenprestanda genom spektralriskskattning [1][11]. Samtidigt har prediktering av aktierpriser länge varit en stor utmaning på grund av dess icke-linjära och icke-stationära egenskaper medan maskininlärning har kunnat använts för att lösa annars omöjliga uppgifter. Färska studier har påvisat signifikant resultat i aktieprisprediktering med hjälp av artificiella LSTM neurala nätverk [6][34]. Detta arbete undersöker kombinerade effekten av dessa två framsteg i ett portföljoptimeringsproblem genom att optimera en spektral portfölj med framtida avkastningar predikterade av ett LSTM neuralt nätverk. Arbetet börjar med matematisk härledningar och teoretisk introduktion och sedan studera portföljprestation som genereras av spektra risk, LSTM aktieprispredikteringen samt en kombination av dessa två. Resultaten visar på att LSTM-predikteringen ensam presterade bättre än kombinationen, vilket i sin tur presterade bättre än enbart spektralriskskattningen.

Precise and robust positioning through Global Navigation Satellite Systems (GNSS) is instrumental to a wide gamut of modern systems. The integrity of GNSS signals is increasingly compromised by Radio Frequency (RF) interference, presenting a substantial threat to the performance of GNSS receivers. This vulnerability is of particular concern for Unmanned Aerial Vehicles (UAVs), whose critical functionalities depend heavily on reliable GNSS positioning. Given their complex designs and high maneuverability, UAVs present a distinctive and powerful platform for the exploration and mitigation of GNSS RF interference. This work investigates two complementary but related aspects: (i) the detection of internal RF interference with the GNSS receiver and (ii) the localization of external RF interference sources, utilizing the advanced capabilities of UAV platforms. The detection methodology (i) synthesizes insights from existing literature by selecting RF interference detection methods compatible with observables from standard GNSS receivers. It also innovatively employs ideal spectral masks to estimate the impact of interference. In addition, the localization methodology (ii) introduces a novel UAV-centric technique that leverages the characteristics of GNSS antennas and UAV maneuverability. A concept of radiation heatmap has been developed to transform the antenna’s radiation pattern into a heatmap, indicating a possible bearing toward an RF interference source. Subsequently, a concept of triangular intersection is introduced to fuse multiple radiation heatmaps into a single localization heatmap, indicating the locations of interfering transmitters. Through this work, a comprehensive framework has been established, allowing UAVs equipped with GNSS receivers to detect internal interference and localize external RF interference sources. This dual approach contributes significantly to the monitoring of the GNSS spectrum and enhances the performance of GNSS-dependent applications. / Exakt och robust positionering genom Globala Navigationssatellitsystem (GNSS, från engelskans Global Navigation Satellite Systems) är avgörande för en mångfald av moderna system. Integriteten hos GNSS-signaler hotas alltmer av interferens från radiofrekvenser (RF, från engelskans Radio Frequency), vilket utgör ett betydande hot mot prestandan hos GNSS-mottagare. Denna sårbarhet är särskilt bekymmersam för obemannade luftfartyg (UAV, från engelskans Unmanned Aerial Vehicle), vars kritiska funktioner är starkt beroende av tillförlitlig GNSS-positionering. Med tanke på deras komplexa konstruktioner och höga manövrerbarhet utgör UAV:er en distinkt och kraftfull plattform för utforskning och mitigering av GNSS RF-interferens. Detta arbete undersöker två kompletterande men relaterade aspekter: (i) detektion av intern RF-interferens i GNSS-mottagaren och (ii) lokalisering av externa källor till RF-interferens, med användning av avancerade UAVplattformar. Metoden för detektion (i) syntetiserar insikter från befintlig litteratur genom val av metoder för upptäckt av RF-interferens som är kompatibla med observerbar data från standarden för GNSS-mottagare. Den använder dessutom “ideala spektralmasker” (från engelskans “ideal spectral masks”) innovativt för att uppskatta interferensens påverkan. Dessutom introducerar lokaliseringstekniken (ii) en ny UAV-centrerad teknik som utnyttjar egenskaperna hos GNSS-antenner och UAV:ers manövrerbarhet. Ett koncept för strålningsvärmekarta har utvecklats för att omvandla antennens strålningsmönster till en värmekarta, vilket indikerar en möjlig riktning mot en källa till RF-interferens. Därefter introduceras ett koncept för triangulär skärning för att sammanfoga flera strålningsvärmekartor till en enskild lokalisationsvärmekarta, vilket indikerar placeringen av störande sändare. Genom detta arbete har ett omfattande ramverk etablerats, vilket möjliggör för UAV:er utrustade med GNSS-mottagare att upptäcka intern interferens samt lokalisera externa källor till RF-interferens. Denna dubbla strategi bidrar avsevärt till observationen av GNSS-spektrumet och förbättrar prestandan för GNSS-beroende applikationer. / Presné a robustné určovanie polohy pomocou globálnych navigačných satelitných systémov (GNSS, z angl. Global Navigation Satellite System) je kľúčové pre široké spektrum moderných systémov. Integrita signálov GNSS je čoraz viac ohrozovaná vysokofrekvenčnou elektromagnetickou (RF, z angl. Radio Frequency) interferenciou, čo predstavuje významnú hrozbu pre výkonnosť prijímačov GNSS. Táto zraniteľnosť je obzvlášť znepokojujúca pre bezpilotné lietadlá (UAV, z ang. Unmanned Aerial Vehicle), ktorých kritické funkcionality sú vo veľkej miere závislé od spoľahlivého určenia polohy. Vzhľadom na ich zložitý dizajn a vysokú manévrovateľnosť, UAV predstavujú výnimočnú a bohatú platformu pre skúmanie a mitigáciu RF interferencie. Táto práca skúma dva komplementárne, ale súvisiace aspekty: (i) detekciu vnútornej RF interferencie s využitím prijímača GNSS a (ii) lokalizáciu zdrojov vonkajšej RF interferencie s využitím pokročilých schopností UAV platformy. Metodika detekcie (i) syntetizuje poznatky z existujúcej literatúry výberom metód detekcie RF interferencie, ktoré sú kompatibilné s pozorovaniami zo štandardných prijímačov GNSS. Taktiež inovatívne využíva ideálne spektrálne masky na odhad vážnosti vplyvu interferencie. Okrem toho, metodika lokalizácie (ii) predstavuje nový prístup zameraný na UAV, využívajúci charakteristiku antén GNSS a manévrovateľnosť UAV. V rámci tejto práce bol vyvinutý koncept radiačnej teplotnej mapy, ktorý transformuje radiačný vzor antény na teplotnú mapu, indikujúcu smer k možnému zdroju RF interferencie. Následne bol predstavený koncept trojuholníkovej priesečnosti, spájajúci viaceré radiačné teplotné mapy do jednej lokalizačnej teplotnej mapy, indikujúcej polohy rušiacich vysielačov. Prostredníctvom tejto práce bol vytvorený komplexný rámec, umožňujúci UAV, ktoré sú vybavené prijímačmi GNSS, detekovať vnútornú interferenciu a lokalizovať zdroje vonkajšej RF interferencie. Tento duálny prístup významne prispieva k možnosti monitorovania GNSS spektra a zvyšovania výkonnosti aplikácií závislých od GNSS.

The goal of this diploma thesis is to map the issue of social integration of students with Asperger syndrome into a regular class of elementary school. The theoretical part is based on analysis of publications related to the topic. It deals with the description of the Asperger syndrome diagnosis and its symptoms, the concept of integration, mainly the integration of a student with Asperger syndrome, and the issue of classroom climate and the possibilities of its diagnostics and development. The practical part is based on the theoretical part. In it, the author focuses on the analysis of social status of integrated students with Asperger syndrome. Sociometrical techniques are combined with projective method and both are supplemented with a questionnaire for teachers and qualitative methods, primarily interviews with teachers and observation in class. Powered by TCPDF (www.tcpdf.org)

This diploma thesis deals with alternative and augmentative communication systems using at the individuals with pervasive development disorders. Thesis is divided the theoretical and the experimental part. Theoretical part contains mainly informations about communication disability, speech development, diagnosis of communication abilities, alternative and augmentative communication systems and possibilities of aid to the families with child with pervasive development disorder. Experimental part presents research using questionnaire, which was send to the parents or legal representatives with child with pervasive development disorder. The research prepares base for next extensive researchs.

Denna rapport täcker arbetsprocessen bakom att skapa en spektrumanalysator. Läsaren kommer att få läsa om den valda metoden men även alternativa metoder. Utöver detta kommer även de teoretiska delarna bakom varje moment att undersökas samt jämföras med potentiella alternativa lösningar. Projektet har utförts på uppdrag av KA Automation. Syftet med projektet var att skapa en basplattform för analys av ljudfrekvenser. Målet med detta var att kunna identifiera ljudegenskaper i form av frekvenserna hos exempelvis servomotorer i vattenpumpar. Tanken var att i ett senare utvecklingsskede kunna identifiera om och när nya frekvenser dykt upp i ljudprofilen vilket i sådana fall kan resultera i att motorn är i behov av service. Basplattformen är uppbyggd med hjälp av C# och ljudbehandlingsbiblioteket NAudio. Från resultatet kan slutsatsen dras att detta program kan analysera ljud och visa de olika frekvensernas styrka och därmed är en lämplig basplattform för vidareutveckling. / This report will cover the work process behind creating a spectrum analyzer. The reader will be able to read about the chosen method but also the alternative methods. Apart from this the theoretical parts behind every moment will also be covered and compared to potential alternative solutions. The project has been carried out on behalf of KA Automation. The purpose of the project was to create a base for analyzing sound frequencies. The goal was to be able to identify sound properties in the form of frequencies in servo motors in for example water pumps. The idea was to be able to in a later development stage be able to identify when new frequencies have entered the audio profile which might result in the motor to be in need of service. The base is created with the help of C# and the sound library NAudio. From the result one can conclude that this program can analyze sound and display the magnitude of its frequency components and is therefore a suitable base for future development.