Global ETD Search

11	Geometries of Binary Constant Weight Codes Ekberg, Joakim January 2006 (has links) This thesis shows how certain classes of binary constant weight codes can be represented geometrically using linear structures in Euclidean space. The geometric treatment is concerned mostly with codes with minimum distance 2(w - 1), that is, where any two codewords coincide in at most one entry; an algebraic generalization of parts of the theory also applies to some codes without this property. The presented theorems lead to a total of 18 improvements of the table of lower bounds on A(n,d,w) maintained by E. M. Rains and N. J. A. Sloane. Additional improvements have been made by finding new lexicographic codes. Information theory Error-correcting codes Constant weight codes Informationsteori Felrättande koder Koder med konstant vikt MATHEMATICS MATEMATIK
12	Interactive Visualization of Network Models in JavaScript/TypeScript for Web-based Applications / Interaktiv visualisering av nätverksmodeller i JavaScript/TypeScript för webbaserade applikationer Erik, Morrow January 2023 (has links) Networks of nodes and links are powerful tools to model complex systems, however, when the number of nodes and links grows to the thousands then even the network becomes too complex to comprehend unless we can simplify and highlight the networks underlying structure. The map equation is a method developed by the researchers at IntegratedScience Lab that uses an information theoretic approach to reveal community structure using the flow of information on the network modeled with random walks. Describing these random paths using Huffman codes and utilizing the duality between compression and finding regularities changes the problem of finding community structure into a compression problem. The success of the map equation method depends on the user’s understanding of the method. This thesis describes the design and implementation of a web-based demo application to showcase the mechanics of the map equation aimed to make the map equation more accessible to individuals with no prior knowledge of the method. / Nätverk av noder och länkar är ett kraftigt verktyg för att modellerakomplexa system. Problemet nätverk har är att när antalet noder och länkar växer upp till tusentals noder och länkar, då blir dem snabbt väldigt svåra att tyda och nästan omöjliga att förstå om vi inte kan förenkla och lyfta fram nätverkets underliggande struktur. Kartekvationen är en metod som utvecklats av forskarna vid Integrated Science Labsom använder informationsteori för att avslöja ett nätverks underliggandestruktur med hjälp av informationsflöden på nätverket modellerat med slumpmässiga vandringar. Vi beskriver slumpvandrarens bana när den rör sig på nätverket med Huffman-kodord och använder oss av dualiteten mellan att komprimera data och att hitta regelbundenheter i den data vilket då ändrar problemet av att hitta nätverksstrukturen till ett komprimeringsproblem. Kartekvationens framgång är beroende av användarens förståelse av metoden. Integrated Science Lab vill ha en webbaserad demoapplikation för att introducera användare till kartekvationen och visa upp hur metoden fungerar. Den här avhandlingen beskriver designen och implementationen av den web-baserade demoapplikationenför kartekvationen med syftet att göra kartekvationen mer tillgänglig för individer utan förkunskaper om metoden. Networks Information visualization Information Theory Interactive visualization Nätverk Informationsvisualisering Informationsteori Interaktiv visualisering Other Physics Topics Annan fysik
13	Interactive map generator for simplifying and highlighting important structures in large networks / Interaktiv kartgenerator för att förenkla och förtydliga viktiga strukturer i stora nätverk Edler, Daniel January 2010 (has links) <p>Understanding the structure of a network is an essential part in understanding the behavior of the system it represents, but as the system becomes really large, a visualization of the full network looses its potential to reveal important structural relationships. Then we need ways to simplify and highlight the important structures of the network while the details are filtered out, just like good maps do. We have developed an interactive application that utilizes mathematical methods based on network and information theory to reveal the important patterns hidden in huge amount of interaction data. The application gives the professional as well as the nonprofessional user the ability to load his or hers own file containing the network data, from mobile phone networks and social online networks to transport networks and financial networks and lets you explore the data and generate a customized map which highlights the influential patterns in your data. A demo application is also developed to demonstrate the mathematical and information-theoretical principles behind the map generation.</p> / <p>För att koppla form till funktion är nätverk ett oumbärligt verktyg, men när systemen blir riktigt stora förlorar nätverken sin förmåga att avslöja viktiga strukturella samband. Då behövs det kraftfulla metoder för att förenkla och framhäva de viktiga strukturerna i nätverken samtidigt som detaljerna filtreras bort, precis som bra kartor gör. Vi har utvecklat en interaktiv applikation som utnyttjar matematiska metoder baserat på nätverks- och in- formationsteori för att avslöja viktiga mönster som ligger dolt i myllret av interaktionsdata. Du kan läsa in din egen fil med nätverksdata, från telekommunikationsnätverk och sociala online-nätverk till transportnärverk och finansiella nätverk, och få tillbaka en skräddarsydd karta som låter dig upptäcka de inflytelserika mönstren i nätverket. En demo-applikation är också utvecklad för att demonstrera de matematiska och informationsteoretiska principerna bakom kartgenereringen.</p> Networks Cartography Information visualization Information theory Clustering Compression Interactive visualization Nätverk Kartografi Informationsvisualisering Informationsteori klustring kompression Interaktiv visualisering Statistical physics Statistisk fysik
14	Interactive map generator for simplifying and highlighting important structures in large networks / Interaktiv kartgenerator för att förenkla och förtydliga viktiga strukturer i stora nätverk Edler, Daniel January 2010 (has links) Understanding the structure of a network is an essential part in understanding the behavior of the system it represents, but as the system becomes really large, a visualization of the full network looses its potential to reveal important structural relationships. Then we need ways to simplify and highlight the important structures of the network while the details are filtered out, just like good maps do. We have developed an interactive application that utilizes mathematical methods based on network and information theory to reveal the important patterns hidden in huge amount of interaction data. The application gives the professional as well as the nonprofessional user the ability to load his or hers own file containing the network data, from mobile phone networks and social online networks to transport networks and financial networks and lets you explore the data and generate a customized map which highlights the influential patterns in your data. A demo application is also developed to demonstrate the mathematical and information-theoretical principles behind the map generation. / För att koppla form till funktion är nätverk ett oumbärligt verktyg, men när systemen blir riktigt stora förlorar nätverken sin förmåga att avslöja viktiga strukturella samband. Då behövs det kraftfulla metoder för att förenkla och framhäva de viktiga strukturerna i nätverken samtidigt som detaljerna filtreras bort, precis som bra kartor gör. Vi har utvecklat en interaktiv applikation som utnyttjar matematiska metoder baserat på nätverks- och in- formationsteori för att avslöja viktiga mönster som ligger dolt i myllret av interaktionsdata. Du kan läsa in din egen fil med nätverksdata, från telekommunikationsnätverk och sociala online-nätverk till transportnärverk och finansiella nätverk, och få tillbaka en skräddarsydd karta som låter dig upptäcka de inflytelserika mönstren i nätverket. En demo-applikation är också utvecklad för att demonstrera de matematiska och informationsteoretiska principerna bakom kartgenereringen. Networks Cartography Information visualization Information theory Clustering Compression Interactive visualization Nätverk Kartografi Informationsvisualisering Informationsteori klustring kompression Interaktiv visualisering Statistical physics Statistisk fysik
15	Articulation rate as a means of distributing information and its effect on the N400-component / Distribution av information med hjälp av artikulationshastighet och dess effekt på N400-komponenten Forbes Schieche, Christoffer January 2021 (has links) Information theoretical approaches to language state that the most efficient communication occurs when the amount of information transmitted is distributed as uniformly as possible over time. Previous research has shown that speakers tend to adhere to strategies for distributing information efficiently, using mechanisms at multiple linguistic levels. This study aims to investigate whether articulation rate (AR) is used in continuous speech to achieve a more uniform distribution of information within sentences, quantified as surprisal estimated by the state-of-the-art language model GPT-2, and if this has an effect on the amplitude of the N400 brain response in listeners. In neurolinguistics, surprisal has been observed to be a good predictor of the N400, which is related to processing of semantics and meaning in general. The results showed a significant, though small, effect of surprisal on AR, indicating that AR may have some role in achieving more uniform distribution of information on the word level. In line with previous research, surprisal showed an effect on the N400 where higher surprisal led to larger amplitudes. Results regarding AR and distributional effects on the N400 were inconclusive, although some independent effects of AR were found that could be further explored in more controlled experimental settings. / Informationsteoretiska perspektiv på språk säger att den mest effektiva kommunikationen sker när information sänds ut så jämnt fördelat som möjligt över tid. Tidigare studier har visat att talare tenderar att följa vissa strategier för att distribuera information jämnt, vilket de gör på flera språkliga nivåer. Denna studie ämnar att undersöka om artikulationshastighet (eng. articulation rate (AR)) används i kontinuerligt tal för att uppnå en mer jämn distribution av information inom meningar, kvantifierat som informationsteoretisk surprisal med hjälp av språkmodellen GPT-2, samt om detta ger effekt på hjärnresponsen N400:s amplitud hos lyssnare. Inom neurolingvistik har surprisal visats kunna predicera N400, som är kopplad till bearbetning av semantik och meningsfullhet generellt. Resultaten visade en signifikant, om än liten, effekt av surprisal på AR, en indikator på att AR kan ha en roll i att uppnå mer jämn distribution av information på ordnivå. I linje med tidigare forskning så hade surprisal en inverkan på N400, där högre surprisal gav större amplituder. Resultaten utifrån AR och distribution av information var inte entydiga, däremot observerades vissa självständiga effekter av AR på amplituden av N400 och dessa skulle kunna vidare undersökas i mer kontrollerade experiment. Information theory surprisal articulation rate EEG ERP N400 Informationsteori surprisal artikulationshastighet EEG ERP N400 General Language Studies and Linguistics
16	Mikroföretags kreditpreferenser beroende på bransch och företagsstorlek : periodiseringsfonder kontra externa lån Singh, Sumitpal January 2013 (has links) Det här är en kvantitativ studie av hur kreditpreferenser hos mikrobolag med en årsomsättning om mindre än 10 miljoner SEK beror av branschtillhörighet och företagsstorlek. Mikrobolag är små bolag med mindre än 10 personer anställda och en årsomsättning på mindre än 2 miljoner euro. Det teoretiska ramverket utgår från asymmetrisk informationsteori och mer specifikt från pecking order theory, POT samt trade off-teorin. Kreditpreferenserna mäts genom två olika parametrar, dels genom mikrobolagens avsättning till periodiseringsfonder vilket kan ses som ett mellanting mellan extern och intern finansiering, dels genom förekomsten av externa lån från kreditinstitut. Branscherna som undersöks är tillverkning samt tjänster vilka anses skilja sig åt vad gäller kreditpreferenser. Tillverkningsbranschen har större anläggningstillgångar vilket anses göra det lättare för dem att få extern kredit enligt trade off-teorin. Tjänstebranschen däremot, med mer immateriella tillgångar skulle då föredra periodiseringsfonder eftersom enligt POT så föredrar mindre företag internt genererat kapital. Ett antal hypoteser ställs upp som sedan testas med chi-två. Resultatet motsäger delvis teorierna. Från studien framgår dock att de undersökta företagen i tjänstebranschen har större preferenser för användning av periodiseringsfond än tillverkningsbranschen. En slutsats från studien är alltså att branschtillhörighet har betydelse för kreditpreferenserna. För företagsstorlek går inte att dra några säkra slutsatser. micro enterprises tax shields external credit company size industry branch credit preferences asymmetric information theory pecking order theory (POT) trade off theory mikroföretag periodiseringsfond externa krediter företagsstorlek bransch kreditpreferenser asymmetrisk informationsteori pecking order theory (POT) trade off-teorin
17	Information-Theoretic Framework for Network Anomaly Detection: Enabling online application of statistical learning models to high-speed traffic / ITF-NAD : Ett informationsteoretiskt ramverk för realtidsdetektering av nätverksanomalier Damour, Gabriel January 2019 (has links) With the current proliferation of cyber attacks, safeguarding internet facing assets from network intrusions, is becoming a vital task in our increasingly digitalised economies. Although recent successes of machine learning (ML) models bode the dawn of a new generation of intrusion detection systems (IDS); current solutions struggle to implement these in an efficient manner, leaving many IDSs to rely on rule-based techniques. In this paper we begin by reviewing the different approaches to feature construction and attack source identification employed in such applications. We refer to these steps as the framework within which models are implemented, and use it as a prism through which we can identify the challenges different solutions face, when applied in modern network traffic conditions. Specifically, we discuss how the most popular framework -- the so called flow-based approach -- suffers from significant overhead being introduced by its resource heavy pre-processing step. To address these issues, we propose the Information Theoretic Framework for Network Anomaly Detection (ITF-NAD); whose purpose is to facilitate online application of statistical learning models onto high-speed network links, as well as provide a method of identifying the sources of traffic anomalies. Its development was inspired by previous work on information theoretic-based anomaly and outlier detection, and employs modern techniques of entropy estimation over data streams. Furthermore, a case study of the framework's detection performance over 5 different types of Denial of Service (DoS) attacks is undertaken, in order to illustrate its potential use for intrusion detection and mitigation. The case study resulted in state-of-the-art performance for time-anomaly detection of single source as well as distributed attacks, and show promising results regarding its ability to identify underlying sources. / I takt med att antalet cyberattacker växer snabbt blir det alltmer viktigt för våra digitaliserade ekonomier att skydda uppkopplade verksamheter från nätverksintrång. Maskininlärning (ML) porträtteras som ett kraftfullt alternativ till konventionella regelbaserade lösningar och dess anmärkningsvärda framgångar bådar för en ny generation detekteringssytem mot intrång (IDS). Trots denna utveckling, bygger många IDS:er fortfarande på signaturbaserade metoder, vilket förklaras av de stora svagheter som präglar många ML-baserade lösningar. I detta arbete utgår vi från en granskning av nuvarande forskning kring tillämpningen av ML för intrångsdetektering, med fokus på de nödvändiga steg som omger modellernas implementation inom IDS. Genom att sätta upp ett ramverk för hur variabler konstrueras och identifiering av attackkällor (ASI) utförs i olika lösningar, kan vi identifiera de flaskhalsar och begränsningar som förhindrar deras praktiska implementation. Särskild vikt läggs vid analysen av de populära flödesbaserade modellerna, vars resurskrävande bearbetning av rådata leder till signifikant tidsfördröjning, vilket omöjliggör deras användning i realtidssystem. För att bemöta dessa svagheter föreslår vi ett nytt ramverk -- det informationsteoretiska ramverket för detektering av nätverksanomalier (ITF-NAD) -- vars syfte är att möjliggöra direktanslutning av ML-modeller över nätverkslänkar med höghastighetstrafik, samt tillhandahåller en metod för identifiering av de bakomliggande källorna till attacken. Ramverket bygger på modern entropiestimeringsteknik, designad för att tillämpas över dataströmmar, samt en ASI-metod inspirerad av entropibaserad detektering av avvikande punkter i kategoriska rum. Utöver detta presenteras en studie av ramverkets prestanda över verklig internettrafik, vilken innehåller 5 olika typer av överbelastningsattacker (DoS) genererad från populära DDoS-verktyg, vilket i sin tur illustrerar ramverkets användning med en enkel semi-övervakad ML-modell. Resultaten visar på hög nivå av noggrannhet för detektion av samtliga attacktyper samt lovande prestanda gällande ramverkets förmåga att identifiera de bakomliggande aktörerna. Network Security Distributed Denial of Service DDoS DoS Anomaly Detection Intrusion Detection Attack Source Identification Information Theory Statistical Learnin Nätverkssäkerhet Distribuerad Överbelastningsattack DDoS DoS Anomalidetektering Intrångsdetektering Identifiering av Attackkällor Informationsteori Maskininlärning Probability Theory and Statistics Sannolikhetsteori och statistik
18	Revision of an artificial neural network enabling industrial sorting Malmgren, Henrik January 2019 (has links) Convolutional artificial neural networks can be applied for image-based object classification to inform automated actions, such as handling of objects on a production line. The present thesis describes theoretical background for creating a classifier and explores the effects of introducing a set of relatively recent techniques to an existing ensemble of classifiers in use for an industrial sorting system.The findings indicate that it's important to use spatial variety dropout regularization for high resolution image inputs, and use an optimizer configuration with good convergence properties. The findings also demonstrate examples of ensemble classifiers being effectively consolidated into unified models using the distillation technique. An analogue arrangement with optimization against multiple output targets, incorporating additional information, showed accuracy gains comparable to ensembling. For use of the classifier on test data with statistics different than those of the dataset, results indicate that augmentation of the input data during classifier creation helps performance, but would, in the current case, likely need to be guided by information about the distribution shift to have sufficiently positive impact to enable a practical application. I suggest, for future development, updated architectures, automated hyperparameter search and leveraging the bountiful unlabeled data potentially available from production lines. artificial neural networks machine learning deep learning connectionism pattern recognition machine learning automation image analysis information technology applied mathematics mathematical optimization information theory mathematical statistics mathematical models stochastic models probabilities chance approximations algorithms computer programs computer software signal processing high performance computing numerical methods high technology industries sustainable development artificiella neurala nätverk maskininlärning djup maskininlärning konnektionism mönsterigenkänning automatisering bildanalys informationsteknik tillämpad matematik optimering informationsteori statistisk inferens matematiska modeller stokastiska modeller sannolikhetskalkyl slumpen approximationer algoritmer datorprogram programvara signalbehandling högpresterande beräkningar numeriska metoder teknikutveckling maskinindustri högteknologisk industri maskinhandel skrothandel bärkraftig utveckling Robotics Robotteknik och automation Probability Theory and Statistics Sannolikhetsteori och statistik Other Computer and Information Science Annan data- och informationsvetenskap Signal Processing Signalbehandling

Search results