No description available.

No description available.

No description available.

Rumination is a well-established vulnerability factor for major depressive disorder (MDD) that may exert deleterious effects both independently and in interaction with life stress, and may contribute to the negative memory biases associated with MDD. Chapter 1 examines the role of both momentary ruminative self-focus (MRS) and stress-reactive rumination (SRR) as predictors of increases in depressive symptoms utilizing a smartphone ecological momentary assessment (EMA) design. SRR, but not MRS, independently predicted increases in depressive symptoms. Interactions emerged between negative life events (NLEs) and both MRS and SRR, such that experiencing higher levels of NLEs and rumination at an observation predicted greater increases in depressive symptoms. The results suggest that rumination levels in response to stress vary within individuals and can have an important effect on depressed mood. Chapter 2 tests the hypotheses that 1) engaging in greater SRR relative to an individual’s mean would lead to deeper encoding and improved retrieval of stressors, and 2) this biased memory for negative autobiographical information would predict increases in depressive symptoms over time. NLEs followed by increased SRR relative to individuals’ means were significantly more likely to be recalled two weeks later. In addition, a significant interaction emerged between the number of NLEs experienced and proportional recall of those events, such that individuals who endorsed and recalled greater numbers of stressors during the EMA week displayed increased depressive symptoms at follow-up. These findings support the role of rumination and memory biases as vulnerability factors for depression, and suggest potential clinical benefits of modifying ruminative response styles to daily stressors. / Psychology

Le débat entre connexionnisme et symbolisme est l'une des forces majeures qui animent le développement de l'Intelligence Artificielle. L'apprentissage profond et la linguistique théorique sont les domaines d'études les plus représentatifs pour les deux écoles respectivement. Alors que la méthode d'apprentissage profond a fait des percées impressionnantes et est devenue la principale raison de la récente prospérité de l'IA pour l'industrie et les universités, la linguistique et le symbolisme occupent quelque domaines importantes, notamment l'interprétabilité et la fiabilité. Dans cette thèse, nous essayons de construire une connexion entre les deux écoles en introduisant des biais inductifs linguistiques pour les modèles d'apprentissage profond. Nous proposons deux familles de biais inductifs, une pour la structure de circonscription et une autre pour la structure de dépendance. Le biais inductif de circonscription encourage les modèles d'apprentissage profond à utiliser différentes unités (ou neurones) pour traiter séparément les informations à long terme et à court terme. Cette séparation fournit un moyen pour les modèles d'apprentissage profond de construire les représentations hiérarchiques latentes à partir d'entrées séquentielles, dont une représentation de niveau supérieur est composée et peut être décomposée en une série de représentations de niveau inférieur. Par exemple, sans connaître la structure de vérité fondamentale, notre modèle proposé apprend à traiter l'expression logique en composant des représentations de variables et d'opérateurs en représentations d'expressions selon sa structure syntaxique. D'autre part, le biais inductif de dépendance encourage les modèles à trouver les relations latentes entre les mots dans la séquence d'entrée. Pour le langage naturel, les relations latentes sont généralement modélisées sous la forme d'un graphe de dépendance orienté, où un mot a exactement un nœud parent et zéro ou plusieurs nœuds enfants. Après avoir appliqué cette contrainte à un modèle de type transformateur, nous constatons que le modèle est capable d'induire des graphes orientés proches des annotations d'experts humains, et qu'il surpasse également le modèle de transformateur standard sur différentes tâches. Nous pensons que ces résultats expérimentaux démontrent une alternative intéressante pour le développement futur de modèles d'apprentissage profond. / The debate between connectionism and symbolism is one of the major forces that drive the development of Artificial Intelligence. Deep Learning and theoretical linguistics are the most representative fields of study for the two schools respectively. While the deep learning method has made impressive breakthroughs and became the major reason behind the recent AI prosperity for industry and academia, linguistics and symbolism still holding some important grounds including reasoning, interpretability and reliability. In this thesis, we try to build a connection between the two schools by introducing syntactic inductive biases for deep learning models. We propose two families of inductive biases, one for constituency structure and another one for dependency structure. The constituency inductive bias encourages deep learning models to use different units (or neurons) to separately process long-term and short-term information. This separation provides a way for deep learning models to build the latent hierarchical representations from sequential inputs, that a higher-level representation is composed of and can be decomposed into a series of lower-level representations. For example, without knowing the ground-truth structure, our proposed model learns to process logical expression through composing representations of variables and operators into representations of expressions according to its syntactic structure. On the other hand, the dependency inductive bias encourages models to find the latent relations between entities in the input sequence. For natural language, the latent relations are usually modeled as a directed dependency graph, where a word has exactly one parent node and zero or several children nodes. After applying this constraint to a transformer-like model, we find the model is capable of inducing directed graphs that are close to human expert annotations, and it also outperforms the standard transformer model on different tasks. We believe that these experimental results demonstrate an interesting alternative for the future development of deep learning models.

Precise Point Positioning (PPP) ermöglicht eine präzise Positionsbestimmung mittels globaler Satellitennavigationssysteme (Global Navigation Satellite System, GNSS) ohne die direkte Verwendung der Beobachtungsdaten von regionalen Referenzstationen. Die wesentlichste Einschränkung von PPP im Vergleich zu differenziellen Auswertetechniken (Real-Time Kinematic, RTK) ist die deutlich längere Konvergenzzeit. Voraussetzung für die Verkürzung der Konvergenzzeit ist die Festsetzung der geschätzten Mehrdeutigkeiten auf ganzzahlige Werte. Die Mehrdeutigkeitslösung verlangt ein robustes funktionales Modell und beruht auf einem zweistufigen Mehrdeutigkeitsfestsetzungsverfahren, welches frei von ionosphärischen Einflüssen 1. Ordnung ist. Die sowohl auf Code- als auch auf Phasenbeobachtungen basierende Melbourne-Wübbena-Linearkombination erlaubt hierbei eine einfache Festsetzung der Widelane-Mehrdeutigkeiten. Infolgedessen kann zur Berechnung der ionosphären-freien Linearkombination die im Vergleich zur Wellenlänge der ionosphären-freien Linearkombination deutlich größere Narrowlane-Wellenlänge verwendet werden. Zur Stabilisierung des im Normalfall lediglich auf den Beobachtungsdaten des amerikanischen Global Positioning System (GPS) beruhenden funktionalen Modells können die Beobachtungsdaten des russischen GLObal’naya NAvigatsioannaya Sputnikovaya Sistema (GLONASS) beitragen. Aufgrund der Technik, die GLONASS zur Identifizierung der einzelnen Satelliten einsetzt (Frequency Division Multiple Access, FDMA), unterscheiden sich die Frequenzen der einzelnen Satelliten. Die leicht unterschiedlichen Frequenzen erschweren die Modellierung und Korrektion der instrumentell bedingten Signalverzögerungen (z. B. Fractional-Cycle Biases (FCB)). Vor diesem Hintergrund kann das konventionelle Mehrdeutigkeitsfestsetzungsverfahren nur bedingt für GLONASS verwendet werden. Die Untersuchung der instrumentell bedingten GLONASS-Signalverzögerungen sowie die Entwicklung einer alternativen Methode zur Festsetzung der GLONASS-Mehrdeutigkeiten mit dem Ziel einer kombinierten GPS/GLONASS-Mehrdeutigkeitslösung sind die Schwerpunkte der vorliegenden Arbeit. Die entwickelte alternative Mehrdeutigkeitsfestsetzungsstrategie baut auf der puren Widelane-Linearkombination auf, weshalb globale Ionosphärenmodelle unabdingbar sind. Sie eignet sich sowohl für GLONASS als auch für GPS und zeigt gleichwertige Ergebnisse für beide GNSS, wenngleich im Vergleich zur konventionellen Methode mit geringeren Mehrdeutigkeitsfestsetzungsquoten zu rechnen ist. / Precise Point Positioning (PPP) allows for accurate Global Navigation Satellite System (GNSS) based positioning without the immediate need for observations collected by regional station networks. The fundamental drawback of PPP in comparison to differential techniques such as Real-Time Kinematic (RTK) is a significant increase in convergence time. Among a plurality of different measures aiming for a reduction of convergence time, fixing the estimated carrier phase ambiguities to integer values is the key technique for success. The ambiguity resolution asks for a robust functional model and rests upon a two-stage method ruling out first-order ionospheric effects. In this context the Melbourne-Wübbena linear combination of dual-frequency carrier phase and code measurements leverages a simple resolution of widelane ambiguities. As a consequence the in comparison to the wavelength of the ionosphere-free linear combination significantly longer narrowlane wavelength can be used to form the ionosphere-free linear combination. By default the applied functional model is solely based on observations of the Global Positioning System (GPS). However measurements from the GLObal’naya NAvigatsioannaya Sputnikovaya Sistema (GLONASS) can contribute to improve the model’s stability significantly. Due to the technique used by GLONASS to distinguish individual satellites (Frequency Division Multiple Access, FDMA), the signals broadcast by those satellites differ in their frequencies. The resulting slightly different frequencies constitute a barricade for both modelling and correcting any device-dependent signal delays, e.g. fractional-cycle biases (FCB). These facts limit the applicability of the conventional ambiguity-fixing approach when it comes to GLONASS signals. The present work puts a focus both on investigating the device-dependent GLONASS signal delays and on developing an alternative method for fixing GLONASS ambiguities with the ultimate objective of a combined GPS/GLONASS ambiguity resolution. The alternative ambiguity resolution strategy is based on the pure widelane linear combination, for which reason ionospheric corrections are indispensable. The procedure is applicable for GLONASS in the first instance but reveals equivalent results for both GPS and GLONASS. The disadvantage relative to the conventional approach is the reduced ambiguity fixing success rate.

Precise Point Positioning (PPP) ermöglicht eine präzise Positionsbestimmung mittels globaler Satellitennavigationssysteme (Global Navigation Satellite System, GNSS) ohne die direkte Verwendung der Beobachtungsdaten von regionalen Referenzstationen. Die wesentlichste Einschränkung von PPP im Vergleich zu differenziellen Auswertetechniken (Real-Time Kinematic, RTK) ist die deutlich längere Konvergenzzeit. Voraussetzung für die Verkürzung der Konvergenzzeit ist die Festsetzung der geschätzten Mehrdeutigkeiten auf ganzzahlige Werte. Die Mehrdeutigkeitslösung verlangt ein robustes funktionales Modell und beruht auf einem zweistufigen Mehrdeutigkeitsfestsetzungsverfahren, welches frei von ionosphärischen Einflüssen 1. Ordnung ist. Die sowohl auf Code- als auch auf Phasenbeobachtungen basierende Melbourne-Wübbena-Linearkombination erlaubt hierbei eine einfache Festsetzung der Widelane-Mehrdeutigkeiten. Infolgedessen kann zur Berechnung der ionosphären-freien Linearkombination die im Vergleich zur Wellenlänge der ionosphären-freien Linearkombination deutlich größere Narrowlane-Wellenlänge verwendet werden. Zur Stabilisierung des im Normalfall lediglich auf den Beobachtungsdaten des amerikanischen Global Positioning System (GPS) beruhenden funktionalen Modells können die Beobachtungsdaten des russischen GLObal’naya NAvigatsioannaya Sputnikovaya Sistema (GLONASS) beitragen. Aufgrund der Technik, die GLONASS zur Identifizierung der einzelnen Satelliten einsetzt (Frequency Division Multiple Access, FDMA), unterscheiden sich die Frequenzen der einzelnen Satelliten. Die leicht unterschiedlichen Frequenzen erschweren die Modellierung und Korrektion der instrumentell bedingten Signalverzögerungen (z. B. Fractional-Cycle Biases (FCB)). Vor diesem Hintergrund kann das konventionelle Mehrdeutigkeitsfestsetzungsverfahren nur bedingt für GLONASS verwendet werden. Die Untersuchung der instrumentell bedingten GLONASS-Signalverzögerungen sowie die Entwicklung einer alternativen Methode zur Festsetzung der GLONASS-Mehrdeutigkeiten mit dem Ziel einer kombinierten GPS/GLONASS-Mehrdeutigkeitslösung sind die Schwerpunkte der vorliegenden Arbeit. Die entwickelte alternative Mehrdeutigkeitsfestsetzungsstrategie baut auf der puren Widelane-Linearkombination auf, weshalb globale Ionosphärenmodelle unabdingbar sind. Sie eignet sich sowohl für GLONASS als auch für GPS und zeigt gleichwertige Ergebnisse für beide GNSS, wenngleich im Vergleich zur konventionellen Methode mit geringeren Mehrdeutigkeitsfestsetzungsquoten zu rechnen ist. / Precise Point Positioning (PPP) allows for accurate Global Navigation Satellite System (GNSS) based positioning without the immediate need for observations collected by regional station networks. The fundamental drawback of PPP in comparison to differential techniques such as Real-Time Kinematic (RTK) is a significant increase in convergence time. Among a plurality of different measures aiming for a reduction of convergence time, fixing the estimated carrier phase ambiguities to integer values is the key technique for success. The ambiguity resolution asks for a robust functional model and rests upon a two-stage method ruling out first-order ionospheric effects. In this context the Melbourne-Wübbena linear combination of dual-frequency carrier phase and code measurements leverages a simple resolution of widelane ambiguities. As a consequence the in comparison to the wavelength of the ionosphere-free linear combination significantly longer narrowlane wavelength can be used to form the ionosphere-free linear combination. By default the applied functional model is solely based on observations of the Global Positioning System (GPS). However measurements from the GLObal’naya NAvigatsioannaya Sputnikovaya Sistema (GLONASS) can contribute to improve the model’s stability significantly. Due to the technique used by GLONASS to distinguish individual satellites (Frequency Division Multiple Access, FDMA), the signals broadcast by those satellites differ in their frequencies. The resulting slightly different frequencies constitute a barricade for both modelling and correcting any device-dependent signal delays, e.g. fractional-cycle biases (FCB). These facts limit the applicability of the conventional ambiguity-fixing approach when it comes to GLONASS signals. The present work puts a focus both on investigating the device-dependent GLONASS signal delays and on developing an alternative method for fixing GLONASS ambiguities with the ultimate objective of a combined GPS/GLONASS ambiguity resolution. The alternative ambiguity resolution strategy is based on the pure widelane linear combination, for which reason ionospheric corrections are indispensable. The procedure is applicable for GLONASS in the first instance but reveals equivalent results for both GPS and GLONASS. The disadvantage relative to the conventional approach is the reduced ambiguity fixing success rate.

No description available.

No description available.

The dissertation provides a consideration of the significance of choosing an appropriate post-graduate research methodology and application in higher education institutions. Research education has become a matter of concern as there are low completion rates of masters' students in South African universities. This study addresses the issue with the application of appropriate IS research methodologies of IT/IS masters' and MBA dissertations/theses at the NWU to determine whether the research approaches used in both disciplines were relevant to their studies. The choice of an appropriate research methodology is an arduous task with which many researchers are confronted during the research process. The problem is that IT/IS masters' and MBA students use particular research methodologies inappropriately but consider these to be the most appropriate methodologies for IS research for purposes of writing their dissertations. The primary research objective was to explore IT/IS and MBA students' ideological approach towards comprehending information and understanding dissertation requirements by preparing them to undertake sound research projects that culminate in masters' dissertations and improve research completion rates. Secondarily, it attempts to investigate the associated roles between students and supervisors, and to identify challenges encountered, specifically with IT MBA students that will force them to use particular research methods in their research dissertations. A quantitative research approach was adopted and a structured framework was used as an instrument for data-gathering. This structured framework was used randomly on all IT/IS masters' and MBA dissertations in the NWU library. The majority of IT/IS masters' dissertations were sourced through the Nexus Database to ensure a better return rate. The finding gathered from the use of a structured framework for purposes of investigating IT/IS masters' and MBA dissertations indicated that both disciplines, most especially the MBA dissertations, lack a conceptual matrix for research alignment, supervision guidance, and badly-structured research dissertations. There is a need for a graduate school and IT/IS department to introduce and encourage the use of an appropriate conceptual matrix underlying various research activities. / Thesis (M.Computer Sc & Information Systems) North-West University, Mafikeng Campus, 2014