Global ETD Search

1	Drömkök åt alla : Världens mest prisbelönta webbkampanj / Dream kitchen for everyone : The world’s most award winning web campaign Waldenryd, Madelene January 2010 (has links) Målet med uppsatsen var att se hur man producerar fram en reklamkampanj, framför allt hur man gör det för första gången samt hur retoriken kan bidra till ett lyckat koncept. Vilka förutsättningar krävs? Arbetar man på ett annorlunda sätt? Vilka medel använder man för att få en framgångsrik reklam? Detta har undersökts genom att intervjua personer som varit med och producerat den prisbelönta och världskända reklamkampanjen från IKEA ”Drömkök åt alla” ur ett retoriskt perspektiv. Resultatet visar på en resa rätt i tiden i hur man med ny teknik får fram något helt unikt. / The purpose of this essay was to see how to produce a commercial campaign, and most of allhow to do it for the first time and how rhetoric’s can contribute to a successful concept. Whatare the conditions? Does it demand a different work approach? Which means do you use tocome up with a successful advertising? This has been investigated by interviewing the peoplewho produced the award winning and world famous commercial-campaign from IKEA"Dream kitchen for everyone" from a rhetoric point of view. The results display a journeymade at the right period of time, and how you with new technology, can come up withsomething unique. Commercial IKEA Dream kitchen for everyone rhetoric Time slice Flash 3D Interactive experience Convince Reklam IKEA Drömkök åt alla retorik Time slice Flash 3D interaktiv upplevelse övertyga
2	Optimizing Notifications of Subscription-Based Forecast Queries Fischer, Ulrike, Böhm, Matthias, Lehner, Wolfgang, Pedersen, Torben Bach 27 January 2023 (has links) Integrating sophisticated statistical methods into database management systems is gaining more and more attention in research and industry. One important statistical method is time series forecasting, which is crucial for decision management in many domains. In this context, previous work addressed the processing of ad-hoc and recurring forecast queries. In contrast, we focus on subscription-based forecast queries that arise when an application (subscriber) continuously requires forecast values for further processing. Forecast queries exhibit the unique characteristic that the underlying forecast model is updated with each new actual value and better forecast values might be available. However, (re-)sending new forecast values to the subscriber for every new value is infeasible because this can cause significant overhead at the subscriber side. The subscriber therefore wishes to be notified only when forecast values have changed relevant to the application. In this paper, we reduce the costs of the subscriber by optimizing the notifications sent to the subscriber, i.e., by balancing the number of notifications and the notification length. We introduce a generic cost model to capture arbitrary subscriber cost functions and discuss different optimization approaches that reduce the subscriber costs while ensuring constrained forecast values deviations. Our experimental evaluation on real datasets shows the validity of our approach with low computational costs. info:eu-repo/classification/ddc/004 ddc:004
3	The impact of parsing methods on recurrent neural networks applied to event-based vehicular signal data / Påverkan av parsningsmetoder på återkommande neuronnät applicerade på händelsebaserad signaldata från fordon Max, Lindblad January 2018 (has links) This thesis examines two different approaches to parsing event-based vehicular signal data to produce input to a neural network prediction model: event parsing, where the data is kept unevenly spaced over the temporal domain, and slice parsing, where the data is made to be evenly spaced over the temporal domain instead. The dataset used as a basis for these experiments consists of a number of vehicular signal logs taken at Scania AB. Comparisons between the parsing methods have been made by first training long short-term memory (LSTM) recurrent neural networks (RNN) on each of the parsed datasets and then measuring the output error and resource costs of each such model after having validated them on a number of shared validation sets. The results from these tests clearly show that slice parsing compares favourably to event parsing. / Denna avhandling jämför två olika tillvägagångssätt vad gäller parsningen av händelsebaserad signaldata från fordon för att producera indata till en förutsägelsemodell i form av ett neuronnät, nämligen händelseparsning, där datan förblir ojämnt fördelad över tidsdomänen, och skivparsning, där datan är omgjord till att istället vara jämnt fördelad över tidsdomänen. Det dataset som används för dessa experiment är ett antal signalloggar från fordon som kommer från Scania. Jämförelser mellan parsningsmetoderna gjordes genom att först träna ett lång korttidsminne (LSTM) återkommande neuronnät (RNN) på vardera av de skapade dataseten för att sedan mäta utmatningsfelet och resurskostnader för varje modell efter att de validerats på en delad uppsättning av valideringsdata. Resultaten från dessa tester visar tydligt på att skivparsning står sig väl mot händelseparsning. neural network artificial neural network ANN recurrent neural network RNN long-short term memory LSTM event slice parsing method slice parsing event parsing time-slice event-based slice-based signal data temporal data temporal sequence multivariate time-series unequally spaced unevenly spaced irregularly spaced Scania SICS SAGA Computer Sciences Datavetenskap (datalogi)

1

Page generated in 0.054 seconds