Sammanfattning Syftet med denna studie är att undersöka betydelsen av elevers taluppfattning för deras kunskap i geometri och aritmetik. Analyserna baseras på jämförelser av resultat dels från tester i den ordinarie undervisningen inom de två matematikgrenarna aritmetik och geometri och dels resultat från ett test, för bestämning av elevernas taluppfattning, som tagits fram inom denna studie. Undersökningsmetoden som användes för att mäta taluppfattningen var kvantitativa intervjuer, där 30 elever i åk 2 deltog. Intervjuerna var utformade som ett matematiskt samtal utifrån en för årsklassen anpassad intervjuguide, där eleverna samlade poäng genom att lösa uppgifter på olika svårighetsnivåer. Resultaten sammanställdes därefter till ett helhetsresultat. Resultaten från de tre testerna analyserades med statistiska verktyg så som punktdiagram och bestämning av korrelationskoefficienter. En positiv korrelation kan påvisas för sambandet mellan det resultat eleverna uppnår på taluppfattningstestet och deras resultat på både aritmetik och geometri. Korrelationen i denna studie är starkare för sambandet taluppfattning/geometri, korrelationsfaktor 0,73, än för sambandet taluppfattning/aritmetik, korrelationsfaktor 0,50. Genom den positiva korrelation som påvisas stödjer resultaten uppfattningen att taluppfattningen har stor betydelse för elevernas matematiska utveckling. Denna studie visade att detta samband inte enbart gäller aritmetikens räknelära utan även gäller för geometrin. / Abstracts The aim of this study is to investigate the importance of students’ number sense on their geometry and arithmetic skills. The analyzes are based on comparisons of results, from tests in the regular teaching within the two mathematical branches, arithmetic and geometry, and the results from a test, for determining the students’ number sense, that was developed within this study. The survey method used to measure number sense skills were quantitative interviews, where 30 students in grade 2 participated. The interviews were designed as a math conversation based on an interview guide adapted for the age group concerned. The students gathered points by solving tasks at different levels of difficulty. The results were then compiled into an overall result. The results of the three tests were analyzed using statistical tools such as, point diagrams and determination of correlation coefficients. A positive correlation was demonstrated for the correlation between the result the students achieved in the test of number sense and their results in the tests in both arithmetic and geometry. The correlation in this study is stronger for the relationship number sense / geometry, correlation factor 0.73, than for the number sense / arithmetic, correlation factor 0.50. Through the positive correlation that is shown, the findings support the perception that number sense is of major importance to the students’ mathematical development, and this study showed that this relationship is valid not only in the pure counting skills, as arithmetic, but also for skills in geometry.

Data mining är ett samlingsnamn för ett antal tekniker som används för att analysera datamängder och finna mönster, exempelvis genom klassificering. Anonymisering innefattar en rad tekniker för att skydda den personliga integriteten. Den här studien undersöker hur stor påverkansgrad anonymisering med tekniken differential privacy har på möjligheten att klassificera en datamängd. Genom ett experiment undersöks ett antal magnituder av anonymisering och vilken effekt de har på möjligheten att klassificera data. Klassificering av den anonymiserade datamängden jämförs mot klassificering av den råa datamängden. Liknande studier har genomförts med k-anonymitet som anonymiseringsteknik där möjligheten att klassificera förbättrades genom generalisering. Resultatet från den här studien å andra sidan visar att möjligheten att klassificera sjunker något, vilket beror på att differential privacy sprider ut informationen i datamängden över ett bredare spektrum. Detta försvårar generellt för klassificeringsalgoritmerna att hitta karakteriserande mönster i datamängden och de lyckas därmed inte få lika hög grad av korrekt klassificering.

Det sociala mediet Instagram är en applikation där människor världen runt kan dela med sig av resor, måltider och den nya familjemedlemmens ankomst. Genom att kommentera, gilla, arkivera och utforska kan användaren hålla sig uppdaterad dygnet runt. När Instagram i mars 2016 meddelade att de skulle införa algoritmer, vilka profilerar och kartlägger användare, ändrades rangordningen på inläggen i användarnas flöde. Vem som nu får se vad, när och hur styrs av dessa osynliga matematiska formler. Studien syftar till att undersöka hur svenska Instagramanvändare i åldern 15-40 år upplever dessa personliga algoritmer och huruvida dessa har en inverkan på hur de använder sig av applikationen. Då Instagram är tätt förknippat med att visa upp sig själv ser jag det även intressant att undersöka vilken roll algoritmerna har för individernas syn på sig själva. Genom mixed methods kommer både en enkät och kvalitativa intervjuer att utföras för att få en genomgripande förståelse för fenomenet på flera plan. Den kvantitativa delen ämnar att skapa en mer generell uppfattning hur individerna upplever algoritmerna och hur deras användning ser ut. Detta medan den kvalitativa delen är till för att fördjupa förståelsen för relationen mellan individerna och algoritmerna. Med hjälp av teorier rörande synlighet, algoritmer och identitet är målet att få en djupare förståelse för detta tämligen nya fenomen. Analysens resultat visar att medvetenheten är måttlig och kunskapen om algoritmerna är relativt begränsad. Det finns en tydlig skillnad mellan de som har skapat egna teorier om hur algoritmerna fungerar och de som är helt omedvetna. Vidare var det tydligt att algoritmerna hade en inverkan - både medvetet och omedvetet - på individerna vad gällde olika strategier för att bättre synas och få likes. Slutligen visade det sig att de personliga algoritmerna spelar en jämförelsevis stor roll för individernas syn på sig själva i termer av validitet och reflektion.

Procedurell generering av spelinnehåll är idag ett populärt alternativ för många spelutvecklare då det kan minska kostanden, tiden samt arbetsbördan för mindre bolag. Den här studien har som syfte att undersöka två stycken algoritmer inom procedurell generering där den ena är BSP och den andra är Bucks algoritm. Bucks algoritm är en ny, okänd och tämligen oanvänd algoritm som är av intresse att undersöka för att utvärdera dess användbarhet inom spelutveckling. Resultatet från studien visar att BSP genererar innehåll snabbast och i gengäld skapar Bucks algoritm innehåll med en högre nivå av densitet och relativ storlek.

Genetiska algoritmer och beteendeträd är två populära AI-tekniker som använts i både kommersiella produkter och forskningssyfte. Kombinationen av dem genom evolution av beteendeträd är däremot ett väldigt outforskat ämne som denna rapport handskas med. Arbetet beskriver först bakgrunden av de individuella teknikerna samt de få artiklar som relaterar till den specifika ämneskombinationen. Sedan presenteras problemformuleringen vilket angår jämförelsen av en singel- och multimål genetisk algoritm i syftet att utveckla beteendeträd till ett 2d-skjutspel. En artefakt skapades för att sätta upp spelet, implementera algoritmerna och testa dem gentemot varandra. Progression och designval för implementationen beskrivs i detalj följt av en pilotstudie och sedan en slutgiltig utvärdering. Resultatet pekade på att singelmålsalgoritmen lyckades vinna fler matcher. Detta faktum analyseras och diskuteras. Till slut avslutas rapporten med ett avsnitt om framtida arbeten vari ämnen såsom utforskning av olika genomstrukturer och automatiskt genererad AI för företag föreslås.

Artificiella neurala nätverk (ANN) har många användningsområden inom datavetenskap. Några av dessa är mönsterigenkänning, robotik, processkontroll, optimering och spel. Detta examensarbete kommer att handla om hur en alternativ lösning på den traditionella arkitekturen av hur ett neuralnät kan se ut. Jag kommer att undersöka om man kan ta ett stort och komplext neuralnät och bryta ned detta till mindre neuralnät utan att förlora kvaliteten på botarna i en spelmiljö kallad Open Nero. Detta för att försöka minska beräkningshastigheten av neuralnäten och förhoppningsvis även göra så botarna lär sig ett bra beteende snabbare. Mitt examensarbete kommer att visa att min lösning av arkitekturen för ett neuralt nätverk inte fungerar speciellt bra då botarna inte lärde sig tillräckligt fort. En fördel med min arkitektur är dock att den är något snabbare än originalets i exekveringshastighet.

Syftet med arbetet är att simulera tävlingar på medeldistans mellan löpare med en strategi att vinna och undvika muskeltrötthet. Löparna ses som agenter vars strategi realiseras med ett artificiellt neuronnät (ANN) som med sensorer, avstånd till mål och agentens trötthet beräknar bidragande kraft och styrriktning. Agentens ANN tränas med en belöningsbaserad inlärning baserad på genetiska algoritmer och trötthetsalgoritmen är en uppskattning av hur mjölksyra påverkar muskeltrötthet. Resultaten visar att av alla agenter som utvecklats för tävling mot klockan i s.k. time trial har alla haft samma strategi och hittat samma ideala kraft för att minimera tiden. Utvecklingen av agenter för simulation av flera agenter samtidigt har varit mer komplicerad eftersom agenterna påverkar varandra och agenternas strategi har varit olika. Multiagenterna blev också mindre robusta än singelagenterna men utvecklade beteenden som påminner om en realistisk tävling i medeldistanslöpning.

Befintliga studier har påvisat att genetiska algoritmer presterar bättre om de ges en bra startpopulation. I denna rapport presenteras en lokal sökalgoritm för att skapa en population med fokus på ”vehicle routing”-problem. Algoritmen använder sig av heuristik i en blandning av simulated annealing och tabu search för att skapa individerna till populationen. Utvärderingar av algoritmen på ett praktiskt problem visar att den ger en bra start jämfört med en slumpmässig startpopulation, vilket är vanligt att använda. Resultaten av utvärderingen visar också att algoritmen ger bäst resultat vid mer komplexa problem, medan den har mindre effekt om problemet är enklare.   Nyckelord: Simulated annealing, Tabu search, Genetiska algoritmer , ”vehicle routing”-problem.

Skuggor är centrala för hur människan uppfattar världen. Inom datorspel och andra interaktiva 3D-applikationer är det viktigt att underlätta förståelsen av scenen och det finns även ofta en stark vilja att skapa realistiska miljöer. Detta samt att skuggsättning är en komplicerad och prestandakrävande operation gör det till ett viktigt område inom realtidsgrafik. Vi undersöker i denna avhandling relationen mellan prestandan (renderingstiden) för de två populära metoderna för skuggsättning inom realtidsgrafik, shadow mapping och shadow volumes. Undersökningen avgränsas till två utvalda varianter av de ursprungliga algoritmerna. I och med lanseringen av den nya versionen av Direct3D, version 10, öppnas möjligheten för optimeringar av algoritmerna genom användandet av framförallt geometry shaders. På grund av detta implementerar vi algoritmerna både med och utan den nya funktionalitet som introduceras i Direct3D 10 för att besvara om det är möjligt att förbättra prestandan för algoritmerna i Direct3D 10. Resultatet visar tydligt shadow mapping-algoritmens överlägsenhet för annat än scener med mycket få polygoner. Variabler så som ljusets infallsvinkel och objekts storlek har liten inverkan på det slutgiltiga resultatet för när vilken algoritm har bättre prestanda. Resultatet visar även tydligt att användandet av geometry shaders ger en mycket kraftig försämring av prestandan för båda algoritmerna. / Inom interaktiv 3D-grafik som exempelvis datorspel är det viktigt att skapa realistiska miljöer. Att rita ut en realistisk 3D-värld såpass snabbt att användaren inte kan se enskilda bildrutor kräver mycket kraft av datorn. Det är därför viktigt att datorprogrammet använder snabba och effektiva algoritmer. Skuggor är viktigt för att skapa realistiska 3D-miljöer. Detta arbete jämför snabbheten och effektiviteten mellan två olika metoder för att bestämma vad i 3D-världen som ligger i skugga.

I dagens utveckling av robotkontrollers så finner vi olika synsätt på hur vi ska angripa problemen som en robot ställs inför. Det här arbetet koncentrerar sig på artificiella neurala nät (ANN) och evolution med genetiska algoritmer och en fokusering sker på en speciell arkitektur av ANN som Stefano Nolfi presenterat. Rapporten kan ses som en fortsättning på Nolfis arbete och behandlar extensioner av fenomenet "spontan modularitet" som Nolfi beskriver. Det testproblem som används består i att utveckla ett kontrollsystem för en skräpsamlande robot. Detta arbete baseras på experiment runt detta problem med arkitekturer, vilka baseras på Nolfis spontana modularitet. Vi testar hur arkitekturerna påverkas av interna och återkopplade noder. Resultaten visar på att en spontan modularitet inte tycks påverkas positivt av återkopplade eller interna noder.