Målet med detta examensarbete har varit att utveckla en app med en algoritm för att mäta rotationshastigheten hos en prototyp för en spirometerlösning till en låg kostnad för smart- telefoner. En förstudie har gjorts av smarttelefoners användbarhet för att mäta hälsotillstånd och vilka alternativa lösningar och algoritmer som finns för att mäta rörelsedetektion. I detta arbete har en app med en algoritm utvecklats för att detektera rörelser och mäta rotations- hastigheten hos spirometerprototypens turbin filmad med en smarttelefonkamera. För att metoden ska fungera är det viktigt att rotationshastigheten understiger hälften av kamerans fps (bilder per sekund). Rotationshastigheten hos turbinen måste därför begränsas och det behövs en kamera som klarar minst 120 fps för att fånga rörelserna i prototypens turbin.Arbetet har resulterat i en fungerande algoritm för att bestämma turbinens rotationshastighet. Den utvecklade algoritmen detekterar topparna i en PPG (photoplethysmogram). För att minska beräkningstiden och för att öka noggrannheten analyserar algoritmen färgintensiteten i ett begränsat område, ett s.k. ROI (Region of Interest) i varje bild. Det finns stora möjligheter att använda denna algoritm för att fortsätta utvecklingen av detta alternativa sätt att utföra spirometritester. / The goal with this bachelor thesis was to develop an application with an algorithm to measure the rotation speed of a prototype, as a low-cost solution for measuring spirometry with a smartphone. In a pilot study it was investigated how a smartphone can be used to measure health and what algorithms there are to detect motion in videos. After the pilot study an app with the function to record a video by using the camera of a smartphone and then use an algorithm to detect the rotation speed in the spirometry-prototype’s turbine was developed. To make it work it is important that the rotation speed is low enough so it does not exceed half of the cameras fps. Therefore, to capture the rotation speed of the spirometry-prototype’s turbine the rotation needs to be limited and a smartphone with a camera with at least 120 fps is required.The result of this work is an algorithm that can measure the rotation speed in the spirometry prototype turbine. The algorithm is detecting the peaks in a PPG. To minimize the computation time and to increase the accuracy the algorithm analyses the colour intensity over a ROI in every frame. There is great potential to use this algorithm to further develop this alternative method of measuring spirometry.

Evolutionary algorithms have achieved great performance among a wide range of optimization problems. In this degree project, the network optimization problem has been reformulated and solved in an evolved way. A feasible evolutionary framework has been designed and implemented to train neural networks in supervised learning scenarios. Under the structure of evolutionary algorithms, a well-defined fitness function is applied to evaluate network parameters, and a carefully derived form of approximate gradients is used for updating parameters. Performance of the framework has been tested by training two different types of networks, linear affine networks and convolutional networks, for a flash call verification task.Under this application scenario, whether a flash call verification will be successful or not will be predicted by a network, which is inherently a binary classification problem. Furthermore, its performance has also been compared with traditional backpropagation optimizers from two aspects: accuracy and time consuming. The results show that this framework is able to push a network training process to converge into a certain level. During the training process, despite of noises and fluctuations, both accuracies and losses converge roughly under the same pattern as in backpropagation. Besides, the evolutionary algorithm seems to have higher updating efficiency per epoch at the first training stage before converging. While with respect to fine tuning, it doesn’t work as good as backpropagation in the final convergence period. / Evolutionära algoritmer uppnår bra prestanda för ett stort antal olika typer av optimeringsproblem. I detta examensprojekt har ett nätverksoptimeringsproblem lösts genom omformulering och vidareutveckling av angreppssättet. Ett förslag till ramverk har utformats och implementerats för att träna neuronnätverk i övervakade inlärningsscenarier. För evolutionära algoritmer används en väldefinierad träningsfunktion för att utvärdera nätverksparametrar, och en noggrant härledd form av approximerade gradienter används för att uppdatera parametrarna. Ramverkets prestanda har testats genom att träna två olika typer av linjära affina respektive konvolutionära neuronnätverk, för optimering av telefonnummerverifiering. I detta applikationsscenario förutses om en telefonnummerverifiering kommer att lyckas eller inte med hjälp av ett neuronnätverk som i sig är ett binärt klassificeringsproblem. Dessutom har dess prestanda också jämförts med traditionella backpropagationsoptimerare från två aspekter: noggrannhet och hastighet. Resultaten visar att detta ramverk kan driva en nätverksträningsprocess för att konvergera till en viss nivå. Trots brus och fluktuationer konvergerar både noggrannhet och förlust till ungefär under samma mönster som i backpropagation. Dessutom verkar den evolutionära algoritmen ha högre uppdateringseffektivitet per tidsenhet i det första träningsskedet innan den konvergerar. När det gäller finjustering fungerar det inte lika bra som backpropagation under den sista konvergensperioden.

Norrmejerier’s supply of raw material fluctuates during different periods of the year. During the months where the company receives the most milk there is a need of an increase in cheese production in order to refine the milk in a more value creating way. To enable an increase in the production the process of the cheese department in Umeå is mapped. To determine the critical parts of the process a month’s production is simulated in a discrete event system.  Today the department produces eight different cheese types of which they aim to carry a constant partition. All process times except the one for the last process step are independent on the cheese type produced. The process time for the last leg differs with up to 70% depending on the cheese type. Hence the total production volume depends on the order in which the different types of cheese are produced, the production sequence.  In this thesis we optimize the production sequence with a genetic search algorithm. Given the predetermined distribution of cheese types a set of production sequences is created which are tested against a model imitating the process. The set of sequences is gradually improved through the genetic algorithm to finally reach a solution considered good enough. This enables us to derive the maximum capacity of the process and determine its bottlenecks.  This study concludes that a production increase of 16,6% can be achieved by additional staff, adjusted work routines and an optimized production sequence. To further increase the production, an increased capacity of the first part of the process is required, that being the pasteurization step. Given an increase in the pasteurization step the next bottleneck would appear in the last part of the process, where the cheese is placed in a salt brine. / Norrmejerier har under året en fluktuerande invägning av råvara som vid toppar ger upphov till ett råvaruöverskott. För att förädla råvaran på ett mer värdeskapande vis finns ett behov av en kapacitetsökning av osttillverkning under de perioder då invägningen är som störst. För att möjliggöra en ökad produktion av ost kartläggs processen på ysteriavdelningen i Umeå. Avdelningen producerar åtta osttyper och önskar bibehålla en förutbestämd fördelning av dessa. Givet fördelningen simuleras en månads produktion i ett diskret händelsesystem där kritiska delar i processen identifieras.  Beläggningstiden för processdelarna på ysteriavdelningen är mer eller mindre oberoende av vilken osttyp som produceras med undantag för det sista processteget där beläggningstiden varierar med upp till 70%. Detta leder till att den totala produktionsvolymen är beroende av i vilken ordning de olika osttyperna produceras.  I denna studie optimerar vi denna ordningsföljd, benämnd produktionssekvens, med en genetisk sökalgoritm. Givet den förutbestämda fördelningen av osttyper skapar vi en mängd produktionssekvenser som testas mot en modell som imiterar processen. Mängden produktionssekvenser utvecklas successivt via den genetiska algoritmen för att kulminera i en tillräckligt bra lösning. Genom att göra detta kan processens flaskhals identifieras och en maxkapacitet härledas.  Studien fastställer att förändringar i bemanning, arbetssätt och en optimerad produk- tionssekvens kan ge en ökad produktion om 16,6%. För ytterligare förbättringar krävs ökad kapacitet på den första processdelen där mjölken pastöriseras. Om kapaciteten utökas uppstår nästa flaskhals i det sista processteget, saltlaken.

Denna studie undersöker matematiska resonemang om subtraktionsuppställning hos elever i årskurs 4, före och efter undervisning i talbas fyra. Syftet med den här studien är att undersöka hur elever förändrar sina matematiska resonemang genomen aktion i form av undervisning, som ingår i aktionsforskning. I denna kvalitativa studie ingår flera metoder. Utöver aktionsforskning används lesson study för själva undervisningen. Elevintervjuer utförs före och efter undervisningen för att undersöka elevernas matematiska resonemang. I analysarbetet identifieras tre olika matematiska innehåll som elevernas resonemang fokuserar på. De tre områdena är positionssystemet, växling samt den kommutativa lagen. Resultatet visar störst förändring av elevernas matematiska resonemang som handlar om positionssystemet. Inom detta område är resonemangen i större omfattning kreativa efter undervisningen då eleverna använder matematisk grund i sina resonemang. Det är också den delen som undervisningen mest fokuserar på. Resultatet tyder på att elevers matematiska resonemang kan utvecklas till att bli mer kreativt efter att de får undervisning i talbas fyra. / <p>Pedagogiskt arbete, inriktning matematik</p>

Denna studie jämför effektiviteten hos grafsökningsalgoritmerna Dijkstra, dubbelriktad Dijkstra, A*, dubbelriktad A*, och Jump Point Search (JPS) i en tvådimensionell rutnätsbaserad miljö. Genom att analysera deras prestanda baserat på exekveringstid och antalet expanderade noder syftar studien till att identifiera vilken effektivitetskillnad dessa förbättringar medför. Resultatet visar på signifikanta skillnader i prestanda mellan algoritmerna där JPS är 7235% snabbare än Dijkstra på en karta av storlek 1000x1000. Detta understryker att förbättringarna som kan appliceras på Dijkstra är högst relevanta inom spel där millisekunder spelar stor roll. Dubbelriktade versioner av Dijkstra och A* visar sig också vara mer effektiva än deras enkelriktade motsvarigheter med en förbättring som motsvarar ca hälften av exekveringstiden, vilket bekräftar värdet av dessa förbättringar. Framtida forskning kan inkludera utforskning av ytterligare algoritmer och förbättringar samt deras tillämpning och testning i realtidsscenarier för att ytterligare validera och utveckla dessa resultat.

The work done in this thesis is to examine various methods for curve fitting. Linear least squares and non-linear least squares will be described and compared, and the Newton method, Gauss--Newton method and Levenberg--Marquardt method will be applied to example problems. / Syftet med denna uppsats är att beskriva och använda olika metoder för kurvanpassning, det vill säga att passa matematiska funktioner till data. De metoder som undersöks är Newtons metod, Gauss--Newton metoden och Levenberg--Marquardt metoden. Även skillnaden mellan linjär minsta kvadrat anpassning och olinjär minsta kvadrat anpassning. Till sist tillämpas Newton, Gauss Newton och Levenberg--Marquardt metoderna på olika exempel.

With the increasing complexity of the chip architecture design for meeting different application requirements, the corresponding instruction scheduler of high-level synthesis tool needs to solve complex scheduling problems. Dynamically Reconfigurable Resource Array (DRRA) is a novel architecture based on Coarse-Grained Reconfigurable Architecture (CGRA) on SiLago platform, the instruction scheduler of Vesyla-II, the dedicated High-Level Synthesis (HLS) tool targets for DRRA needs to schedule the specific instruction sets designed for Distributed Two-level Control System (D2LC). This kind of instruction has different lifetimes and is fully cooperative and persistent. Based on these features, the instruction scheduler needs to be applied to the scheduling algorithm under complex constraints. The previously existing naive algorithm shows poor scalability and low efficiency. This thesis attempts to design and implement a new scheduling algorithm to improve the performance of a constraint programming engine-based scheduler. The new scheduling algorithm is based on the heuristic method, the scheduler with this algorithm does the order prediction during the resource scheduling process. Besides, a test bench for meeting different instruction scheduling behavior is also designed, and the test bench could generate the maximum boundary of the schedule to do the performance profiling of the developed algorithm. Several experiments are performed to compare the proposed method against the previous naive algorithm. The execution time and quality of the result are crucial to determine which algorithm has better performance. The experiment result shows that the scheduler with a heuristic algorithm could reduce the execution time and have comparable schedule quality, and it could solve all the test cases, whilst the naive algorithm only can solve part of them. / Med den ökande komplexiteten hos chiparkitekturdesignen för att möta olika applikationskrav, måste motsvarande instruktionsschemaläggare för högnivåsyntesverktyg lösa komplexa schemaläggningsproblem. Dynamically Reconfigurable Resource Array (DRRA) är en ny arkitektur baserad på Coarse-Grained Reconfigurable Architecture (CGRA) på SiLago-plattformen, instruktionsschemaläggaren för Vesyla-II, de dedikerade High Level Synthesis (HLS) verktygsmålen för DRRA behöver för att schemalägga de specifika instruktionsuppsättningar designade för distribuerat tvånivåstyrsystem (D2LC). Denna typ av undervisning har olika livslängder och är helt samarbetsvillig och ihållande. Baserat på dessa funktioner måste instruktionsschemaläggaren appliceras på schemaläggningsalgoritmen under komplexa begränsningar. Den tidigare existerande naiva algoritmen visar dålig skalbarhet och låg effektivitet. Den här avhandlingen försöker designa och implementera en ny schemaläggningsalgoritm för att förbättra prestandan hos en schemaläggare som är baserad på begränsningsprogrammeringsmotorer. Den nya schemaläggningsalgoritmen är baserad på den heuristiska metoden, schemaläggaren med denna algoritm gör ordningsförutsägelsen under resursschemaläggningsprocessen. Dessutom är en testbänk för att möta olika instruktionsschemaläggningsbeteenden också utformad, och testbänken kan generera den maximala gränsen för schemat för att göra prestandaprofileringen av den utvecklade algoritmen. Flera experiment utförs för att jämföra den föreslagna metoden mot den tidigare naiva algoritmen. Exekveringstiden och kvaliteten på resultatet är avgörande för att avgöra vilken algoritm som har bättre prestanda. Experimentresultatet visar att schemaläggaren med en heuristisk algoritm kan minska exekveringstiden och ha jämförbar schemakvalitet, och den kan lösa alla testfall, medan den naiva algoritmen bara kan lösa en del av dem.

This thesis explored the possibilities of using a Hidden Markov Model approach for multi-target localisation in an urban environment, with observations generated from Wi-Fi sensors. The area is modelled as a network of nodes and arcs, where the arcs represent sidewalks in the area and constitutes the hidden states in the model. The output of the model is the expected amount of people at each road segment throughout the day. In addition to this, two methods for analyzing the impact of events in the area are proposed. The first method is based on a time series analysis, and the second one is based on the updated transition matrix using the Baum-Welch algorithm. Both methods reveal which road segments are most heavily affected by a surge of traffic in the area, as well as potential bottleneck areas where congestion is likely to have occurred. / I det här examensarbetet har lokalisering av gångtrafikanter med hjälp av Hidden Markov Models utförts. Lokaliseringen är byggd på data från Wi-Fi sensorer i ett område i Stockholm. Området är modellerat som ett graf-baserat nätverk där linjerna mellan noderna representerar möjliga vägar för en person att befinna sig på. Resultatet för varje individ är aggregerat för att visa förväntat antal personer på varje segment över en hel dag. Två metoder för att analysera hur event påverkar området introduceras och beskrivs. Den första är baserad på tidsserieanalys och den andra är en maskinlärningsmetod som bygger på Baum-Welch algoritmen. Båda metoderna visar vilka segment som drabbas mest av en snabb ökning av trafik i området och var trängsel är troligt att förekomma.

Obtaining data simultaneously from different sensors located on different mobile devices can be useful for applications such as sports and medicine. In order for the data from the different sensors to be combined for analysis, the mobile devices need to be time synchronized first. This paper presents an application that can be used to calculate the difference between the internal clocks of two android devices using a combination of the Cristian and Marzullo algorithms. Different methods to connect the devices over Wi-Fi as well as the internet are tested to determine the optimal method for clock synchronization. The paper also validates the synchronization by testing different sensors on two identical android smartphones. The results show that clock synchronization between two mobile devices can be achieved with a round-trip time of 2 milliseconds or less using Wi-Fi Direct. Validation of the synchronization shows that a delay of 7 milliseconds or less can be achieved between two sensors of the same type on two identical android smartphones. It also shows that the least achievable delay between sensors of different types is 16 milliseconds. The conclusion is that once two android smartphones’ clocks are synchronized, only data from sensors of the same type can be combined, with the exception of the camera sensor. Further testing with more robust equipment is needed in order to eliminate human error which could possibly yield more desirable results. / Att erhålla data från olika sensorer som finns på olika mobila enheter kan vara användbart inom exempelvis sport och medicin. För att data från de olika sensorerna ska kunna kombineras för analys måste de mobila enheterna tidssynkroniseras först. Denna rapport presenterar en applikation som kan användas för att beräkna skillnaden mellan de interna klockorna på två Android enheter med en kombination av Cristian- och Marzullo -algoritmerna. Olika metoder för att ansluta enheterna via både Wi-Fi och internet testas för att bestämma den optimala metoden för tidssynkronisering. Rapporten validerar också synkroniseringen genom att testa olika sensorer på två identiska Android -smartphones. Resultaten visar att klocksynkronisering mellan två mobila enheter kan uppnås med en round-trip time på 2 millisekunder eller mindre med Wi-Fi Direct. Validering av synkroniseringen visar att en fördröjning på 7 millisekunder eller mindre kan uppnås mellan två sensorer av samma typ på två identiska Android -smartphones. Det visar också att den minst möjliga fördröjningen mellan sensorer av olika typer är 16 millisekunder. Slutsatsen är att när två Android smartphones är tidssynkroniserade kan endast data från sensorer av samma typ kombineras, med undantag för kamerasensorn. Ytterligare tester med mer robust utrustning behövs för att eliminera mänskliga fel vilket kan möjligen ge mer önskvärda resultat.

No description available.