I projektet detekteras och följs granplantor i spatiospektrala bilder för att därefter skapa en hyperspektral datakub för av varje gran. För att detektera granarna prövas fyra metoder: manuell detektion, detektion med segmentering, detektion med SVM och detektion med neuralt nätverk. Minnesanvändning och körningstid jämförs mellan två implementationer, där hyperspektral rekonstruktion görs med olika metoder.

I projektet detekteras och följs granplantor i spatiospektrala bilder för att därefter skapa en hyperspektral datakub för av varje gran. För att detektera granarna prövas fyra metoder: manuell detektion, detektion med segmentering, detektion med SVM och detektion med neuralt nätverk. Minnesanvändning och körningstid jämförs mellan två implementationer, där hyperspektral rekonstruktion görs med olika metoder.

Neural network quantum states (NNQS) is a novel machine learning method, based on restricted Boltzmann machines, previously used to represent the wave function in many-body quantum mechanics. In this thesis, we use NNQS to instead find integrals of motion, i.e., operators, commuting with the Hamiltonian, describing a system. We also attempt to use this method to find the phase transition in systems exhibiting many-body localization. The neural network is shown to be highly successful in finding integrals of motion for the considered systems, while the outcome of finding the phase transition is less conclusive. / Neurala nätverk-kvanttillstånd (NNQS) är en ny maskinginlärnings-metod, baserad på begränsad Boltzmann-maskin-arkitektur, som tidigare använts för att representera vågfunktionen i flerkropps-kvantmekanik. I den här avhandlingen använder vi NNQS för att istället hitta rörelseintegraler, det vill säga operatorer, som kommuterar med Hamiltonianen, vilken beskriver systemet. Vi undersöker även möjligheten att använda denna metod för att hitta fasövergången i system med flerkroppslokalisering. Vi visar att de neurala nätverken är mycket framgångsrika i att hitta rörelseintegraler för de betraktade systemen, medan våra resultat gällande att hitta fasövergången är mindre slutgiltiga.

Deep neural networks (DNNs) based on satellite and radar data have shown promising results for precipitation nowcasting, beating physical models and optical flow for time horizons up to 8 hours. “MetNet”, developed by Google AI, is a 225 million parameter DNN combining three different types of architectures that was trained on satellite and radar data over the United States. They claim to be the first machine learning model to outperform physical models at such a scale. In this work, we implemented a similar but simplified model trained on radar-only Swedish data, with the aim to perform precipitation nowcasting for up to 2 hours into the future. Furthermore, we compare the model to another, simpler model that omits the spatial aggregator of the DNN architecture which is a state-of-the-art vision transformer. Our results show that, although the adopted training dataset was too small to prevent overfitting, the model is still able to outperform the persistence benchmark for lead times longer than 30 minutes with a threshold of 0.2mm/h precipitation. Our simplified model, perhaps unsurprisingly, is outperformed by MetNet because of having too few training data samples or variances in the models’ implementation. We show, nonetheless, that the adopted spatial aggregator fulfills a vital role as expected, aggregating global information into spatial and temporal contexts.  Due to the limitations imposed by the reduced size of the model, we cannot, unfortunately, draw definitive conclusions on whether a radar-only model could yield similar forecast skills as MetNet. To improve on these results, more training data is certainly needed. This would require that more robust computation resources are available, but pre-training the model on a larger dataset — or even implementing a model that takes in different geographical locations for training — can naturally lead to significant improvements in the predictions. / Djupa neurala nätverk (DNN) baserade på satellit och radar data har gett bra resultat för korta nederbördsprognoser och kan slå fysikaliska modeller och optical flow f ̈or prognoser upp till 8 timmar i framtiden. “MetNet” ̈ar ett 225 million DNN publicerat av Google som kombinerar tre olika typer av djupa arkitekturer, det är tränat på satellit och radar data över USA och är enligt dom den första maskininlärningsmodellen som presterar bättre än fysikaliska modeller. I denna uppsats har vi konstruerat en modell som liknar deras på ett nedskalat problem. Vi har färre parametrar, lägre upplöst data, endast 2 timmar prognostisering och använder bara radar data över Sverige för att träna modellen. Vi använder F1-score för att evaluera modellens prestanda och jämför prognosen mot persistens som referens. Vidare undersöker vi en mindre komplicerad modell där den tredje arkitekturen inte används för att se vilken roll vision transformern har. Våra resultat visar att datasetet vi tränat på är för litet och modellen överanpassas men modellen lyckas ändå slå persistens referensen för prognoser 30–120 minuter när en 0.2mm/h regntröskel tillämpas. Resultaten är sämre än MetNet av Google och vi kan inte dra några slutsatser huruvida en modell med endast radar-data skulle kunna ge liknande resultat eller inte, eftersom modellen inte tränats till dess fulla potential. Vi visar att den tredje arkitekturen, vision transformern, är en viktig del av nätverket och aggregerar global information till lokala kontexter över tid och rum. För att förbättra våra resultat skulle vi pröva att låta modellen träna på det amerikanska datasetet använt av Google och implementera en modell vars input varierar geografisk position.

Arbetet undersöker möjligheterna att prediktera sårbarheter för programvaruprodukter och vilken typ av sårbarhet som kommer hittas. Det är en indikation på hur utsatt ett system är med hur ofta en sårbarhet hittas. Maskininlärning är ett sätt att kunna utläsa mönster ur en stor mängd data och kan hjälpa till med prioritering. Med publikt tillgänglig data om sårbarheter har maskininlärning använts för att hitta en metod att göra prediktioner om antalet kommande sårbarheter. Fem olika prototyper har tagits fram och granskats om vilken prototyp som presterar bäst i testerna. En analys av resultaten visar att innehållet i datan borde vara jämnt fördelat mellan klasser i en sådan här typ av undersökning för att få ett bra och pålitligt resultat. Antalet publika sårbarheter som hittas och publiceras har ökat de senaste åren och ser ut att fortsätta i samma trend. En analys på hur marknaden och försäljningspriset ser ut för sårbarheter visar att den globala ekonomin ökar i stor takt och omsättningen för maskininlärning kommer att öka kraftigt då man inser dess fördelar inom fler områden. / The project explores the possibilities of predicting software product vulnerabilities and the type of vulnerability that will be found. It is an indication of how vulnerable a system is on how often a vulnerability is found. Machine learning is a way to read patterns from a large amount of data and can help with prioritization. With publicly available data on vulnerabilities, machine learning has been used to find a method of making predictions about the number of future vulnerabilities. prototypes have been developed and reviewed for which prototype that performs best. An analysis of the results shows that the content of the data should be evenly divided between classes in such type of survey to get a good and reliable result. The number of public vulnerabilities found and published has increased in recent years and appears to continue in the same trend. An analysis of how the market and selling price are looking for vulnerabilities shows that the global economy is growing rapidly and the turnover for machine learning will increase significantly as it recognizes its benefits to more areas.

Neural implants have been developed to aid with different neurological disorders. Although there are neural implants that are used to treat patients today, there is still room for improvement in the field. The material used in neuroprosthetics is of particular importance and could lead to problems, if the material stiffness does not match the one of the tissue. Hence, soft and flexible implants are important to decrease the discrepancy between the tissue and the implants. Different materials have been used as substrates to make the implants soft, some materials are even biodegradable. Further, the design of the implants is also of importance to make the devices flexible. In this thesis, optimisation of the substrate layer for a photovoltaic cortical implant was performed. The degradation of PLGA as a potential material used as a substrate layer, was investigated. Moreover, for improvement of the design Parylene C was used. Mechanical and electrical tests were done to investigate how the manipulation of the devices affects their performance. The results showed that the degradation of PLGA started after 600 h. Further, the best shape and the width of the bridges, that was the Parylene C strips connecting the photovoltaic cells were chosen, as well as the thickness of Parylene C. The mechanical and electrical results indicated that the number of cycles does not affect the material performance as much, where the highest number. of cycles was 10000 cycles. As compared to the effect of the manual handling of the devices. / Neurala implantat har utvecklats för att hjälpa till vid olika neurologiska sjukdomar. Även om neurala implantat används för att behandla patienter i dag finns det fortfarande utrymme för förbättringar på detta område. Materialet som används i neuroproteser är särskilt viktigt och kan leda till problem om materialets styvhet inte motsvarar vävnadens styvhet. Därför är mjuka och flexibla implantat viktiga för att minska klyftan mellan vävnaden och implantaten. Olika material har använts som substrat för att göra mjuka implantat, vissa material är till och med biologiskt nedbrytbara. Dessutom, är implantatens design också viktig för att göra enheterna flexibla. I den här rapporten optimerades substratskiktet för ett solcells kortikalimplantat. Nedbrytningen av PLGA som ett potentiellt material som kan användas som substratskikt undersöktes. Dessutom användes Parylen C för optimering av konstruktionen. Mekaniska och elektriska tester utfördes för att undersöka hur manipuleringen av enheterna påverkar deras prestanda. Resultaten visade att nedbrytningen av PLGA började efter 600 h. Vidare valdes den bästa formen och bredden på broarna, dvs. de Parylen C-remsor som förbinder solcellerna, samt tjockleken på Parylen C. De mekaniska och elektriska resultaten visade att antalet cykler inte påverkar materialets prestanda särskilt mycket, med det högsta antalet cykler på 10 000 cykler. Jämfört med effekten av den manuella hanteringen av enheterna.

The global pandemic has impacted daily life significantly, particularly in China. Fears of the virus, in addition to stay-at-home policies made more and more people choose to shop online instead of going to a brick-and-mortar store. Existing research shows that online shopping can reduce energy consumption and positively affect the eco-environment and sustainable development compared with traditional shopping. In this study, minor redesigns involving green certification are implemented to the Hema Fresh, an online grocery shopping application under Alibaba. An interactive prototype was created on Figma and evaluated with regular users of the application, based in Shanghai. The purpose is to study how design considerations related to green certification labeling influence consumers in online grocery shopping platform in China. The results indicate that a majorty of consumers respond positively to green certifications but not from a sustainability aspect, but rather from a health aspect. Chinese consumers’ understanding and cognition of green product labels are influenced by social advocacy and cultural background, and there are some similarities and differences with the cognition in Western society. / Sedan pandemin började har människors dagliga liv förändrats avsevärt. Av rädsla för viruset och policyer för att stanna hemma väljer fler och fler människor att handla online istället för att gå till en fysisk butik. Befintlig forskning visar att näthandel kan minska energiförbrukningen och positivt påverka miljön och hållbar utveckling jämfört med traditionell shopping. I den här studien genomfördes gränssnittsdesignen för Hema Fresh, en onlineapplikation för matkonsumtion som ägs av Alibaba, och en prototyp gjordes i Figma. Hema Fresh-användare som bor i Shanghai bjöds in att genomföra ett semistrukturerat användarupplevelsetest. Syftet är att studera vilken diskussion som rör hållbarhet och andra aspekter som kan inspireras av kinesiska konsumenter av onlinematinköpsplattformar med införandet av grön certifiering. Resultaten tyder på att sex av åtta deltagare köper produkter med gröna livsmedelsmärkningar, vilket visar att hushållskonsumenter som bor i storsstäder och med goda ekonomiska förutsättningar tenderar att köpa produkter med gröna märkningar. Kinesiska konsumenters förståelse och insikt om gröna produktetiketter påverkas av social påverkan och kulturell bakgrund, och det finns vissa likheter och skillnader med kognitionen i det västerländska samhället.

This project follows a Research through Design approach and through autobiographical design explores the question of how Interaction Design can support Lipoedema patients, by helping them cope with their body image in everyday life. Building on the concept of self-management for people with chronic medical conditions and a conscious connection between body and mind, I created a set of artefacts. The set of artefacts was connected to specific a interaction for each artefact, giving them a more meaningful purpose. Through living with these three artefacts, I was able to identify tensions revolving around themes of self-acceptance, discomfort and vulnerability. These are important when designing, not only for people diagnosed with Lipoedema, but also for any user group struggling with similar issues, such as body image. / Detta projekt följer ett forskning-genom-design tillvägagångssätt och genom autobiografisk design utforskas frågan om hur interaktionsdesign kan stötta Lipödem patienter genom att hjälpa dom förbättra sin kroppsbild i vardagen. Genom att bygga på själv-hanterings konceptet för människor med kroniska sjukdomar och med en medveten koppling mellan kropp och sinne, skapade jag en uppsättning av artefakter. Vardera artefakt var kopplade till specifika interaktioner för att på så sätt ge dom en djupare betydelse. Genom att leva med dessa tre artefakter, kunde jag utforska teman rörandes självacceptans, obehag och sårbarhet. Dessa är framför allt viktiga när man designar för människor med Lipödem men också för andra grupper av människor som kämpar med liknande problem, såsom kroppsbild.

Users are shifting from traditional TV to video streaming platforms because of the flexibility of using these media. However, most studies on accessibility in media streaming platforms explore physical impairments. Despite ADHD and dyslexia affecting around 5 and 10 percent of the population, studies combining the experience in streaming services and this neurodiverse group are still limited. This study aims to understand how people with ADHD and dyslexia experience video streaming platforms. The investigation involved recruiting people from this neurodiverse population who consume streaming and facilitate sessions with semi-structured interviews and co-design. The results show that the participants did not always show empowerment to express their needs. The study suggests an explanation of the topics that will be covered during the sessions to prepare the participant for the co-design. By doing so, the participants can reflect on their experiences beforehand. Similarly, sending them a summary of how the design methodology works might help participants understand the importance of the process, giving them more empowerment before the session starts. These suggestions can support future studies involving this neurodiverse group to be more inclusive. / Mediakonsumenter flyttar från traditionell TV till streamingplattformar eftersom de är mer flexibla. De flesta studierna om tillgänglighet på streamingplattformar handlar däremot enbart om fysiska funktionsnedsättningar. Trots att ungefär 5 till 10 procent av befolkningen antingen har ADHD eller dyslexi är de få studier som tar upp neurodiversitet i samband med streamingtjänster. Den här studien försöker förstå hur personer med ADHD eller dyslexi upplever videostreamingplattformar. Undersökningen gick ut på att personer från den neurodiversa gruppen som använde streamingplattformar fick delta i semi-strukturerade intervjuer och co-design-sessioner. Resultaten visar att deltagarna ibland inte kände att de hade möjligheten att säga vad de tyckte. Den här studien föreslår att de ämnen som ska behandlas förklaras på förhand så deltagarna kan förbereda sig inför sessionen. Deltagarna kan på så sätt reflektera över sina egna erfarenheter på förhand. Att skicka en sammanfattning av hur designmetodik fungerar kan också hjälpa deltagarna förstå vikten av designprocessen, vilket stärker dem innan sessionen börjar. Den här förslagen är några sätt att öka gruppens makt i design-sessioner som möjliggör att framtida studier kan bli mer inkluderande.

Sedentary behavior is linked to numerous adverse effects on a person’s health, such as obesity, depression, and a higher risk of cardiovascular events. Professions that are primarily sedentary have increased due to the growth of office-related occupations, one of which is software engineering. A potential intervention to reduce sedentary behavior is to utilize new interactive technologies such as virtual reality (VR) to change the work context and allow software engineers to interact with their work environment in a more embodied manner. This study has designed and evaluated a visual programming language (VPL) in VR for its potential to reduce sedentary behavior and its compromise on usability. Ten participants solving simple programming tasks using the VPL in VR revealed the potential of reducing continuous sedentary behavior with light physical activity. The main contributor to this activity was the need to walk to and from interactive elements placed a few meters from each other in the design. However, the usability evaluation showed that users modify the environment over time to reduce this distance such that less walking is needed. In contrast, movement induced by navigating to code blocks and getting an overview of the current state of the work had positive marks and a high contribution to the observed movement. Lastly, the second contributor to physical activity was moving blocks around. The usability evaluation indicates that using VR controllers was slower than using a mouse but allowed more precise interactions. / Stillasittande beteende har ett flertal negativa effekter på en persons hälsa, såsom obesitas, depression och en högre risk för kardiovaskulära händelser. Yrken som främst är stillasittande har ökat på grund av tillväxten av yrken som är kontorsbaserade, till exempel mjukvaruutveckling. Ett potentiellt ingripande för att minska stillasittande beteende är att använda nya interaktiva tekniker, så som virtuell verklighet (VR) för att förändra arbets kontexten och låta mjukvaruingenjörer interagera med sin arbetsmiljö på ett mer förkroppsligat sätt. Denna studie har utvecklat och utvärderat en visuellt programmeringsspråk (VPL) i VR för dess potential att minska stillasittande beteende och dess kompromiss på användbarhet. Tio deltagare som löste enkla programmeringsuppgifter med hjälp av VPL i VR visade potentialen för att bryta upp stillasittande beteende med lätt fysisk aktivitet. Den främsta bidragsgivaren till den observerade aktivitet var behovet av att gå till och från interaktiva element placerade med några meter avstånd från varandra. Utvärderingen visade dock att användare modifierar miljön över tid för att minska detta avstånd så att man behöver gå mindre. Däremot hade rörelser när man behöver navigera till kodblock och få en överblick över arbetet positiva kommentarer och ett högt bidrag till den observerade aktiviteten. Slutligen var aktiviteten att flytta runt block den handling som bidrog näst mest till den observerade fysisk aktivitet. Utvärderingen av användbarheten indikerar att VR-kontroller var långsammare än att använda en mus men tillät mer tillförlitliga interaktioner.