Today, a large amount of time series data is being produced from a variety of different devices such as smart speakers, cell phones and vehicles. This data can be used to make inferences and predictions. Neural network based methods are among one of the most popular ways to model time series data. The field of neural networks is constantly expanding and new methods and model variants are frequently introduced. In 2018, a new family of neural networks was introduced. Namely, Neural Ordinary Differential Equations (Neural ODEs). Neural ODEs have shown great potential in modelling the dynamics of temporal data. Here we present an investigation into using Neural Ordinary Differential Equations for anomaly detection. We tested two model variants, LSTM-ODE and latent-ODE. The former model utilises a neural ODE to model the continuous-time hidden state in between observations of an LSTM model, the latter is a variational autoencoder that uses the LSTM-ODE as encoding and a Neural ODE as decoding. Both models are suited for modelling sparsely and irregularly sampled time series data. Here, we test their ability to detect anomalies on various sparsity and irregularity ofthe data. The models are compared to a Gaussian mixture model, a vanilla LSTM model and an LSTM variational autoencoder. Experimental results using the Human Activity Recognition dataset showed that the Neural ODEbased models obtained a better ability to detect anomalies compared to their LSTM based counterparts. However, the computational training cost of the Neural ODE models were considerably higher than for the models that onlyutilise the LSTM architecture. The Neural ODE based methods were also more memory consuming than their LSTM counterparts. / Idag produceras en stor mängd tidsseriedata från en mängd olika enheter som smarta högtalare, mobiltelefoner och fordon. Denna datan kan användas för att dra slutsatser och förutsägelser. Neurala nätverksbaserade metoder är bland de mest populära sätten att modellera tidsseriedata. Mycket forskning inom området neurala nätverk pågår och nya metoder och modellvarianter introduceras ofta. Under 2018 introducerades en ny familj av neurala nätverk. Nämligen, Neurala Ordinära Differentialekvationer (NeuralaODE:er). Neurala ODE:er har visat en stor potential i att modellera dynamiken hos temporal data. Vi presenterar här en undersökning i att använda neuralaordinära differentialekvationer för anomalidetektion. Vi testade två olika modellvarianter, en som kallas LSTM-ODE och en annan som kallas latent-ODE.Den förstnämnda använder Neurala ODE:er för att modellera det kontinuerliga dolda tillståndet mellan observationer av en LSTM-modell, den andra är en variational autoencoder som använder LSTM-ODE som kodning och en Neural ODE som avkodning. Båda dessa modeller är lämpliga för att modellera glest och oregelbundet samplade tidsserier. Därför testas deras förmåga att upptäcka anomalier på olika gleshet och oregelbundenhet av datan. Modellerna jämförs med en gaussisk blandningsmodell, en vanlig LSTM modell och en LSTM variational autoencoder. Experimentella resultat vid användning av datasetet Human Activity Recognition (HAR) visade att de Neurala ODE-baserade modellerna erhöll en bättre förmåga att upptäcka avvikelser jämfört med deras LSTM-baserade motsvarighet. Träningstiden förde Neurala ODE-baserade modellerna var dock betydligt långsammare än träningstiden för deras LSTM-baserade motsvarighet. Neurala ODE-baserade metoder krävde också mer minnesanvändning än deras LSTM motsvarighet.

Den större ischiasskåran (incisura ischiadica major) är en inskärning i höftbenet som karakteriseras av morfologier, användbara för att estimera biologiskt kön. Slutsatser gjorda från okulära observationer kan variera beroende på utövare och därmed kan morfologiska metoder anses vara mindre tillförlitliga gentemot metriska metoder. Tillvägagångssättet för denna uppsats bestod av en jämförande studie mellan en metod som använder formanalys och en som använder vinkelgrad för att bedöma biologiskt kön, på den större ischiasskåran. I denna uppsats användes ett praktiskt tillvägagångssätt för att observera 33 höftben från Sankt Hans medeltida kyrkogård. Det osteologiska materialet var inlånat från Gotlands museum och det praktiska arbetet utfördes på plats på magasinet, under våren 2024. Undersökningsmaterialet avgränsades till att inkludera endast vuxna individer av både manligt och kvinnligt kön. Resultaten visade att det finns en korrelation mellan kurvan på inskärningen och biologiskt kön. I diskussionsdelen av uppsatsen diskuterades tillförlitlighet och användarvänlighet för de två metoderna samt hur de kan nyttjas i osteologiska sammanhang. / The greater sciatic notch (incisura ischiadica major) is an incision in the hip bone that is characterized by morphologies, useful to assess biological sex. Conclusions that are made from visual observations may vary between practitioners, and therefore, morphological methods can be less reliable than metric methods. The approach of this essay consisted of a comparative study between a method using shape analysis and one using angle degree to assess biological sex, on the greater sciatic notch. In this essay, a practical approach was applied to observe 33 hip bones from Sankt Hans medieval cemetery. The material was borrowed from Gotland’s Museum, and the practical work was performed on site, during spring of 2024. The studied material was delimitated to include only adult individuals consisting of both males and females. The results showed that there is a correlation between the curve of the incision and biological sex. In the discussion, the essay explored the reliability and user-friendliness of the two methods, along with their potential applications in osteological contexts.

Based on the previous studies, the hypothesis of this research is that the higher the level of gender equality in a state, the higher level of its peacefulness. It is a quantitative study using linear regression analysis with three variables, namely Global Peace Index (GPI) as a dependent variable, Gender Inequality Index (GII) as an independent variable and Human Development Index (HDI) as a control variable. The data of 139 states from year 2013 were submitted into Statistical Package for Social Sciences (SPSS) software. The result shows a significant and positive linear relationship between gender inequality and a high level of conflict, which confirms the hypothesis. However, HDI shows to be less reliable as a control variable due to issues with multicollinearity (heavily related independent variables). Further studies should replace the HDI with another control variable.

[ES] La gestión de los recursos hídricos es de vital importancia para la comprensión de las sequias a largo plazo. En la actualidad, se presentan problemas debido a la disponibilidad y manejo del recurso hídrico. Además, el cambio climático afecta de manera negativa las variables climáticas y la disponibilidad del recurso hídrico. El tomar decisiones en base a información confiable y precisa conlleva un arduo trabajo y es necesario contar con diferentes herramientas que permitan llegar a la gestión de los recursos hídricos. La modelización de las variables climáticas es parte fundamental para determinar la disponibilidad del recurso hídrico. Las más importantes son la precipitación y temperatura o precipitación y evapotranspiración. Los modelos estocásticos se encuentran en un proceso de evolución que permiten reducir la escala de análisis. En esta investigación se ha abordado la modelación de variables climáticas con detalle diario. Se ha planteado una metodología para la generación de series sintéticas de precipitación y temperatura mediante modelización estocástica continua multivariada a escala diaria. Esta metodología también incorpora la corrección del sesgo para precipitación y temperatura de los escenarios de cambio climático con detalle diario. Los resultados de la presente tesis indican que los modelos estocásticos multivariados pueden representar las condiciones espaciales y temporales de las diferentes variables climáticas (precipitación y temperatura). Además, se plantea una metodología para la determinación de la evapotranspiración en función de los datos climáticos disponibles. Por otro lado, los modelos estocásticos multivariados permiten la corrección del sesgo con resultados diarios, mensuales y anuales más realistas que otros métodos de corrección de sesgo. Estos modelos climáticos son una herramienta para pronosticar eventos o escenarios futuros que permiten tomar mejores decisiones de manera anticipada. Estos modelos se programaron en el entorno de MatLab con el objetivo de aplicarlos a diferentes zonas de estudio de manera eficiente y automatizada. Los análisis realizados en la presente tesis se realizaron para la cuenca del Júcar con un buen desempeño para las condiciones de la cuenca. / [CA] La gestió dels recursos hídrics és de vital importància per a la comprensió de les sequeres a llarg termini. En l'actualitat, es presenten problemes a causa de la disponibilitat i maneig del recurs hídric. A més, el canvi climàtic afecta de manera negativa les variables climàtiques i la disponibilitat del recurs hídric. El prendre decisions sobre la base informació de confiança i precisa comporta un ardu treball i és necessari comptar amb diferents eines que permeten arribar a la gestió dels recursos hídrics. La modelització de les variables climàtiques és part fonamental per a determinar la disponibilitat del recurs hídric. Les més importants són la precipitació i temperatura o precipitació i evapotranspiració. Els models estocàstics es troben en un procés d'evolució que permet la incorporació de més detalls reduint l'escala d'anàlisi. En aquesta investigació s'ha abordat el modelatge de variables climàtiques amb detall diari. S'ha plantejat una metodologia per a la generació de sèries sintètiques de precipitació i temperatura mitjançant modelització estocàstica contínua multivariada a escala diària. Aquesta metodologia també incorpora la correcció del biaix per a precipitació i temperatura dels escenaris de canvi climàtic amb detall diari. Els resultats de la present tesi indiquen que els models estocàstics multivariats poden representar les condicions espacials i temporals de les diferents variables climàtiques (precipitació i temperatura). A més es planteja una metodologia per a la determinació de l'evapotranspiració en funció de les dades climàtiques disponibles. D'altra banda, els models estocàstics multivariats permeten la correcció del biaix amb resultats diaris, mensuals i anuals més realistes que altres mètodes de correcció de biaix. Aquests models climàtics són una eina per a pronosticar esdeveniments o escenaris futurs que permeten prendre millors decisions de manera anticipada. Aquests models es van programar a l'entorn de Matlab amb l'objectiu d'aplicar-los a diferents zones d'estudi de manera eficient i automatitzada. Les anàlisis realitzades en la present tesi es van realitzar per a la conca del Xúquer amb un bon acompliment per a les condicions de la conca. / [EN] Management of the water resources is important for understanding long-term droughts. Currently, there are problems due to the availability and management of water resources. Furthermore, climate change negatively affecting climate variables and the availability of water resources. Making decisions based on reliable and accurate information involves hard work and it is necessary to have different tools to achieve the management of water resources. The modeling of the climatic variables is a fundamental part to determine the availability of the water resource. The most important are precipitation and temperature or precipitation and evapotranspiration. Stochastic models are in a process of evolution that allows the incorporation of more details by reducing the scale of analysis. In this research, the modeling of climatic variables has been approached in daily detail. A methodology has been proposed for the generation of synthetic series of precipitation and temperature by means of multivariate continuous stochastic modeling on a daily scale. This methodology also incorporates the bias correction for precipitation and temperature of the climate change scenarios with daily detail. The results of this thesis indicate that multivariate stochastic models can represent the spatial and temporal conditions of the different climatic variables (precipitation and temperature). In addition, a methodology is proposed for the determination of evapotranspiration based on the available climatic data. On the other hand, multivariate stochastic models allow bias correction with more realistic daily, monthly and annual results than other bias correction methods. These climate models are a tool to forecast future events or scenarios that allow better decisions to be made in advance. These models were programmed in the MatLab software with the aim of applying them to different study areas in an efficient and automatically. The work in this thesis was carried out for the Júcar basin with a good performance for the conditions of the basin / Hernández Bedolla, J. (2022). Análisis estocástico de datos climáticos como predictor para la gestión anticipada de sequías en recursos hídricos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/182095 / TESIS

In this study within quantitative portfolio optimization, stochastic programming is investigated as an investment decision tool. This research takes the direction of scenario based Mean-Absolute Deviation and is compared with the traditional Mean-Variance model and widely used Risk Parity portfolio. Furthermore, this thesis is done in collaboration with the First Swedish National Pension Fund, AP1, and the implemented multi-asset portfolios are thus tailored to match their investment style. The models are evaluated on two different fund management levels, in order to study if the portfolio performance benefits from a more restricted feasible domain. This research concludes that stochastic programming over the investigated time period is inferior to Risk Parity, but outperforms the Mean-Variance Model. The biggest aw of the model is its poor performance during periods of market stress. However, the model showed superior results during normal market conditions. / I denna studie inom kvantitativ portföljoptimering undersöks stokastisk programmering som ett investeringsbeslutsverktyg. Denna studie tar riktningen för scenariobaserad Mean-Absolute Deviation och jämförs med den traditionella Mean-Variance-modellen samt den utbrett använda Risk Parity-portföljen. Avhandlingen görs i samarbete med Första AP-fonden, och de implementerade portföljerna, med era tillgångsslag, är därför skräddarsydda för att matcha deras investeringsstil. Modellerna utvärderas på två olika fondhanteringsnivåer för att studera om portföljens prestanda drar nytta av en mer restrektiv optimeringsmodell. Den här undersökningen visar att stokastisk programmering under undersökta tidsperioder presterar något sämre än Risk Parity, men överträffar Mean-Variance. Modellens största brist är dess prestanda under perioder av marknadsstress. Modellen visade dock något bättre resultat under normala marknadsförhållanden.

In the production of paper, the quality of the pulp is an important factor both for the productivity and for the final quality. Reliable real-time measurements of pulp quality are therefore needed. One way is to use acoustic or vibration sensors that give information-rich signals and place the sensors at suitable locations in a pulp production line. However, these sensors are not selective for the pulp properties of interest. Therefore, advanced signal processing and multivariate calibration are essential tools. The current work has been focused on the development of calibration routes for extraction of information from acoustic sensors and on signal processing algorithms for enhancing the information-selectivity for a specific pulp property or class of properties. Multivariate analysis methods like Principal Components Analysis (PCA), Partial Least Squares (PLS) and Orthogonal Signal Correction (OSC) have been used for visualization and calibration. Signal processing methods like Fast Fourier Transform (FFT), Fast Wavelet Transform (FWT) and Continuous Wavelet Transform (CWT) have been used in the development of novel signal processing algorithms for extraction of information from vibrationacoustic sensors. It is shown that use of OSC combined with PLS for prediction of Canadian Standard Freeness (CSF) using FFT-spectra produced from vibration data on a Thermo Mechanical Pulping (TMP) process gives lower prediction errors and a more parsimonious model than PLS alone. The combination of FFT and PLS was also used for monitoring of beating of kraft pulp and for screen monitoring. When using regular FFT-spectra on process acoustic data the obtained information tend to overlap. To circumvent this two new signal processing methods were developed: Wavelet Transform Multi Resolution Spectra (WT-MRS) and Continuous Wavelet Transform Fibre Length Extraction (CWT-FLE). Applying WT-MRS gave PLS-models that were more parsimonious with lower prediction error for CSF than using regular FFT-Spectra. For a Medium Consistency (MC) pulp stream WT-MRS gave predictions errors comparable to the reference methods for CSF and Brightness. The CWT-FLE method was validated against a commercial fibre length analyzer and good agreement was obtained. The CWT-FLE-curves could therefore be used instead of other fibre distribution curves for process control. Further, the CWT-FLE curves were used for PLS modelling of tensile strength and optical parameters with good results. In addition to the mentioned results a comprehensive overview of technologies used with acoustic sensors and related applications has been performed. / Vid framställning av pappersprodukter är kvaliteten på massan en viktig faktor för produktiviteten och kvalitén på slutresultatet. Det är därför viktigt att ha tillgång till tillförlitliga mätningar av massakvalitet i realtid. En möjlighet är att använda akustik- eller vibrationssensorer i lämpliga positioner vid enhetsoperationer i massaprocessen. Selektiviteten hos dessa mätningar är emellertid relativt låg i synnerhet om mätningarna är passiva. Därför krävs avancerad signalbehandling och multivariat kalibrering. Det nu presenterade arbetet har varit fokuserat på kalibreringsmetoder för extraktion av information ur akustiska mätningar samt på algoritmer för signalbehandling som kan ge förbättrad informationsselektivitet. Multivariata metoder som Principal Component Analysis (PCA), Partial Least Squares (PLS) and Orthogonal Signal Correction (OSC) har använts för visualisering och kalibrering. Signalbehandlingsmetoderna Fast Fourier Transform (FFT), Fast Wavelet Transform (FWT) och Continuous Wavelet Transform (CWT) har använts i utvecklingen av nydanande metoder för signalbehandling anpassade till att extrahera information ur signaler från vibrations/akustiska sensorer. En kombination av OSC och PLS applicerade på FFT-spektra från raffineringen i en Termo Mechnaical Pulping (TMP) process ger lägre prediktionsfel för Canadian Standard Freeness (CSF) än enbart PLS. Kombinationen av FFT och PLS har vidare använts för monitorering av malning av sulfatmassa och monitorering av silning. Ordinära FFT-spektra av t.ex. vibrationssignaler är delvis överlappande. För att komma runt detta har två signalbehandlingsmetoder utvecklats, Wavelet Transform Multi Resolution Spectra (WT-MRS) baserat på kombinationen av FWT och FFT samt Continuous Wavelet Transform Fibre Length Extraction (CWT-FLE) baserat på CWT. Tillämpning av WT-MRS gav enklare PLS-modeller med lägre prediktionsfel för CSF jämfört med att använda normala FFT-spektra. I en annan tillämpning på en massaström med relativt hög koncentration (Medium Consistency, MC) kunde prediktioner för CSF samt ljushet erhållas med prediktionsfel jämförbart med referensmetodernas fel. Metoden CWT-FLE validerades mot en kommersiell fiberlängdsmätare med god överensstämmelse. CWT-FLE-kurvorna skulle därför kunna användas i stället för andra fiberdistributionskurvor för processtyrning. Vidare användes CWT-FLE kurvor för PLS modellering av dragstyrka samt optiska egenskaper med goda resultat. Utöver de nämnda resultaten har en omfattande litteratursammanställning gjorts över området och relaterade applikationer. / QC 20100629