No description available.

Depression is one of the most common psychiatric health problems worldwide which causes great suffering among the affected individuals and causes heavy national economic losses. Few studies have examined the treatment effects of various treatment components in Internet cognitive behavioral therapy (ICBT) as well as the long term effects for depression. The treatment method as such has indicated large effects both immediately after treatment and in limited follow ups, up to one year. In the present study long time effects in ICBT and the various 4 treatment components support type, who is in charge of the content in treatment and supervision has been examined with a mixed factorial design within a group of adults suffering from depression (N=197). Further, the impact of acquired knowledge about treatment content on symptom reduction examined two years post treatment. Previous research has indicated divergent results in the interaction between acquired knowledge and treatment outcome. The results indicated moderate to large effects of treatment two years post treatment independent of treatment component (d =.51- 1.63). Persistent treatment effects were found in the majority of the outcome measures, measured immediately after treatment to the follow up two years post treatment. One advantage was found for the participants who received therapist with supervision on the outcome of sleeping difficulties in comparison with those who received a therapist without supervision (ղᵖ²=.076). One further advantage was found for acquired knowledge among participants who was assigned content in treatment chosen by the therapist and at the same time received support on demand in comparison with participants who got to choose treatment content by themselves and was received scheduled support. Also participants who got to choose treatment content by themselves and received scheduled support had an advantage in comparison with those who got to choose treatment content by themselves and received support on demand (ղᵖ²=.045; ղ ᵖ²=.039). Acquired knowledge did not indicate any correlations with depressive symptoms. The findings of the study indicate that ICBT is an effective treatment method among adults suffering from depression even in long term follow ups, and that the importance of specific treatment components need further research.

Syftet med föreliggande studie var att undersöka möjliga prediktorer för utfallet i KBT-behandling vid depression, face-to-face samt i kombination med stöd av en smartphoneapplikation. 88 deltagare randomiserades till smartphone- (n = 45) eller face-to-face-betingelsen (n = 43). Utfallsmåttet var förändring i Beck Depression Inventory-II mellan förocheftermätning, främst beräknat med residual gain scores. Samband mellan prediktorer och utfall undersöktes medkorrelationsanalyser. Regressionsanalyser med interaktionen mellan prediktor och behandlingsbetingelse genomfördes för att undersöka skillnader mellan betingelserna. Resultatet visade att högre initial depressionsnivå predicerade större förbättring för alla deltagare sammantaget samt för båda behandlingsbetingelserna. Att ha sysselsättning predicerade mindre förbättring för face-to-face-betingelsen. Vissa frågor gällande smartphoneanvändning visade sig betydelsefulla. Exempelvis var upplevelsen av att ha stor användning av sin smartphone relaterat till större förbättring för smartphonebetingelsen. Gällande allians var högre skattningar på Working Alliance Inventory-Short under behandlingsvecka tre relaterat till större förbättring för alla deltagaresammantaget samt för smartphonebetingelsen. Detta samband gällde även vid kontroll för skattning av förväntad allians. Kön, ålder, civilstånd, utbildningsnivå, stad, initial ångestnivå, samtidig ångestdiagnos, tidigare depressionsdiagnos, förväntad allians samt flera smartphonefrågor predicerade inte utfallet. Att många faktorer inte korrelerade med utfallet skulle kunna tyda på att detta behandlingsformat kan komma att passa en bred patientgrupp, men att det kan vara viktigt att ta hänsyn till betydelsen av allians samt individers smartphonevanor.

På bullriga arbetsplatser använder personal ofta hörselskydd med inbyggda högtalare för att lyssna på exempelvis musik i underhållningssyfte. Om användaren lyssnar på höga ljudnivåer under långa perioder kan bullerskador uppstå i dennes öron. Enligt lagstiftning måste nivån därför begränsas i förebyggande syfte. Bullernivån är ett genomsnitt av de ljudnivåer användaren exponerats för under en arbetsdag. Användaren måste vila öronen om gränsvärdet för bullernivån nås.Om man utnyttjar att det är ett genomsnitt kan användaren tillåtas lyssna på en hög ljudnivå under en begränsad tid för att sedan sänka den. Det går att bevara både säkerheten och lyssningsupplevelsen om en sänkning införs långsamt. Detta arbete beskriver hur en algoritm till en digital signalprocessor kan konstrueras för att reglera ljudnivån.Målsättningen var att algoritmen skulle skydda användarens hörsel utan att försämra lyssningsupplevelsen, och utan att förbruka mer energi än nödvändigt. I algoritmen ingick en prediktor som predikterar mängden buller användaren riskerar att utsättas för, om denne fortsätter lyssna på samma nivå.Långsamma sänkningar av ljudnivån kan då utföras i tid innan gränsvärdet nås. Det visade sig att algoritmen endast behövde ett fåtal samplingar per sekund för att skatta och reglera ljudnivån tillräckligt precist, vilket reducerade energiförbrukningen.Resultatet visar möjligheten att kombinera målen för säkerhet, lyssningsupplevelse och energieffektivitet i hörselskydd. Algoritmen implementerades inte på ett skarpt system.Den hade enbart tillgång till ljudsignalen användaren ämnade lyssna på i underhållningssyfte. / In noisy workplaces the staff are often using hearing protectors with built-in speakers for entertainment purposes. Prolonged exposure to loud sound levels can cause damage to the user’s ears. The legislation requires therefore a limiting mechanism for the speakers. The noise level is defined as the average of the sound levels the user has been exposed to during a working day. If the noise threshold is reached the user has to rest his ears. This definition can be exploited to allow the user to listen to a loud sound level for a limited time and then lowering it. If the sound level is lowered slowly, it is possible to preserve both safety and listening experience. This work describes how an algorithm can be designed for a digital signal processor with the purpose of controlling the sound level. The aim was to protect the user's hearing without spoiling the listening experience, and without consuming more power than necessary. The algorithm design included a predictor that predicts the amount of noise the user risk being subjected to, if he continues to listen at the same level. Slow reduction of the sound level can then be carried out in time before the noise threshold is reached. It turned out that the algorithm only needed a few samples per second to estimate and control the sound level sufficiently precisely, this reduced the power consumption. The results show that it is possible to combine the objectives for safety, listening experience and power consumption in hearing protectors. The algorithm was not implemented in a real system. The algorithm had only access to the audio signal which the user intended to listen to for entertainment purposes.

Försvarets materielverk (FMV), som förser Svenska försvaret med materiel, har en del av sin organisation belägen i Karlsborg nämligen test och evaluering av markstridssystem. Fotogruppen på test och evaluering önskar realtidsstyra en robotiserad kameraplattform av märket Vinten med hjälp av diverse olika positionsgivande system i form av joystick, Doppler-positionsradar, deras självutvecklade system UNIPOS samt en predikterad bana för avlossade projektiler. Projektets huvudsakliga mål blev därför att skapa ett styrsystem för att kontrollera kameraplattformen med hjälp av nämnda indatakällor. Den teoretiska referensramen samt litteraturstudien gav projektets deltagare den kunskapsbas, inom seriell kommunikation och dataprotokoll, som krävdes för att genomföra projektet. De gav även förståelse för hur tidigare liknande arbeten sett ut och valde utifrån detta att följa systemutvecklingsmodellen Rational Unified process (RUP). FMV uttryckte önskemål om att den huvudsakliga styrenheten skulle vara en PC för att möjliggöra fjärrstyrning samt enkel vidareutveckling av systemet. RUP användes för att strukturera upp arbetet samt säkerställa kvalitén på slutprodukten. Utvecklingsprocessen består, enligt RUP’s struktur, av ett antal iterationer som alla tillför någon funktion till systemet. I samråd och nära samarbete med personal på FMV utvecklades systemet och testades succesivt för att säkerställa kvalitén. En enkel manual togs även fram för att förenkla användandet av systemet. Samtliga önskade indatakällor behandlades på något sätt i projektet och resultatet blev ett portabelt system som kan köras på vilken PC som helst. Tester med drönare, granatkastare samt ett stegsvar har utförts för att verifiera att systemets funktion uppfyller de krav som satts upp samt utvärdera systemets möjligheter och begränsningar. Testen visade att realtidsstyrning är möjlig till viss grad med samtliga system och att systemets begränsningar ligger i fördröjningarna som finns både i signalöverföring samt kameraplattformens inbyggda filter för mjuka rörelser. / The Swedish Defence Material Administration (FMV) that supplies materials to the Swedish military, has a part of its organization located in Karlsborg called test and evaluation of land combat systems. The photogroup of test and evaluation wishes to control a robotized camera platform, of the brand Vinten, in real time using a number of different positioning systems like joystick, Doppler-position radar, their self-constructed system UNIPOS and using a predicted trajectory of a launched projectile. The main goal of the project is therefore to create a control system to maneuver the camera platform with the assistance of mentioned data sources. The theoretical framework and literature review gave the members of the project the knowledge base, in serial communication and data protocols, needed to complete the project and gave understanding about earlier similar projects and choose to follow the structure of the systems development model Rational Unified Process (RUP). FMV wanted the main control unit to be a PC to be able to remotely control the system and to be able to make further developments. RUP was used to give the work structure and to make sure the quality of the end product was satisfactory. The development process consists, in accordance with the RUP structure, of a number of iterations that all add some function to the system. In close cooperation with the staff at FMV the system is developed and continuously tested to ensure the quality. A simple manual has been developed to make usage of the system easier. Every data source wanted by FMV has been handled in some way throughout the project and the result was a portable system that can be ran on any PC. Tests using drones, grenade launchers and a response-test was performed to verify that the functions of the system lives up to the goals that were set up and to evaluate the systems possibilities and limitations. The tests showed that real time control is possible to some extent with all systems and that the limitations lies in the delays that exists both in signal transfers and in the camera platforms built in filters for soft movements.

Master thesis is focused on the philosophy of design adaptive controller. In the theoretic part are described parts of the adaptive controller, which belongs parts as online identification by recursive least-squares method and PSD controller, which can set its parameters according to identified system (use Z-N method). The part of control system with transport delay is situated at the conclusion of the theoretic part, there are focused on Smith predictor. Practical part is focused on verification of all algorithms, which was performed on models and real systems.

Master thesis is focused on the philosophy of design adaptive controller. In the theoretic part are described parts of the adaptive controller, which belongs parts as online identification by recursive least-squares method and PSD controller, which can set its parameters according to identified system (use Z-N method). The part of control system with transport delay is situated at the conclusion of the theoretic part, there are focused on Smith predictor. Practical part is focused on verification of all algorithms, which was performed on models and real systems.

The aim of this work is to automatically design a program that is able to detect dyskinetic movement features in the measured patient's movement data. The program will be developed using Cartesian genetic programming equipped with coevolution of fitness predictors. This type of coevolution allows to speed up a design performed by Cartesian genetic programming by evaluating a quality of candidate solutions using only a part of training data. Evolved classifier achieves a performance (in terms of AUC) that is comparable with the existing solution while achieving threefold acceleration of the learning process compared to the variant without the fitness predictors, in average. Experiments with crossover methods for fitness predictors haven't shown a significant difference between investigated methods. However, interesting results were obtained while investigating integer data types that are more suitable for implementation in hardware. Using an unsigned eight-bit data type (uint8_t) we've achieved not only comparable classification performance (for significant dyskinesia AUC = 0.93 the same as for the existing solutions), with improved AUC for walking patient's data (AUC = 0.80, while existing solutions AUC = 0.73), but also nine times speedup of the design process compared to the approach without fitness predictors employing the float data type, in average.

Tato disertační práce se zabývá analýzou stability a konvergence klasických numerických metod pro řešení obyčejných diferenciálních rovnic. Jsou představeny klasické jednokrokové metody, jako je Eulerova metoda, Runge-Kuttovy metody a nepříliš známá, ale rychlá a přesná metoda Taylorovy řady. V práci uvažujeme zobecnění jednokrokových metod do vícekrokových metod, jako jsou Adamsovy metody, a jejich implementaci ve dvojicích prediktor-korektor. Dále uvádíme generalizaci do vícekrokových metod vyšších derivací, jako jsou např. Obreshkovovy metody. Dvojice prediktor-korektor jsou často implementovány v kombinacích modů, v práci uvažujeme tzv. módy PEC a PECE. Hlavním cílem a přínosem této práce je nová metoda čtvrtého řádu, která se skládá z dvoukrokového prediktoru a jednokrokového korektoru, jejichž formule využívají druhých derivací. V práci je diskutována Nordsieckova reprezentace, algoritmus pro výběr proměnlivého integračního kroku nebo odhad lokálních a globálních chyb. Navržený přístup je vhodně upraven pro použití proměnlivého integračního kroku s přístupe vyšších derivací. Uvádíme srovnání s klasickými metodami a provedené experimenty pro lineární a nelineární problémy.

The field of wireless communications is arguably one of the most rapidly developing technological fields. Therefore, with each new advancement in this field, the complexity of wireless systems can grow significantly. This phenomenon is most visible in mobile communications, where the current 5G and 6G radio access networks (RANs) have reached unprecedented complexity levels to satisfy diverse increasing demands. In such increasingly complex environments, managing resources is becoming more and more challenging. Thus, experts employed performant artificial intelligence (AI) techniques to aid radio resource management (RRM) decisions. However, these AI techniques are often difficult to understand by humans, and may receive unimportant inputs which unnecessarily increase their complexity. In this work, we propose an explainability pipeline meant to be used for increasing humans’ understanding of AI models for RRM, as well as for reducing the complexity of these models, without loss of performance. To achieve this, the pipeline generates diverse feature importance explanations of the models with the help of three explainable artificial intelligence (XAI) methods: Kernel SHAP, CERTIFAI, and Anchors, and performs an importance-based feature selection using one of three different strategies. In the case of Anchors, we formulate and utilize a new way of computing feature importance scores, since no current publication in the XAI literature suggests a way to do this. Finally, we applied the proposed pipeline to a reinforcement learning (RL)- based RRM system. Our results show that we could reduce the complexity of the RL model between ∼ 27.5% and ∼ 62.5% according to different metrics, without loss of performance. Moreover, we showed that the explanations produced by our pipeline can be used to answer some of the most common XAI questions about our RL model, thus increasing its understandability. Lastly, we achieved an unprecedented result showing that our RL agent could be completely replaced with Anchors rules when taking RRM decisions, without a significant loss of performance, but with a considerable gain in understandability. / Området trådlös kommunikation är ett av de snabbast utvecklande tekniska områdena, och varje framsteg riskerar att medföra en signifikant ökning av komplexiteten för trådlösa nätverk. Det här fenomenet är som tydligast i mobil kommunikaiton, framför allt inom 5G och 6G radioaccessnätvärk (RANs) som har nåt nivåer av komplexitet som saknar motstycke. Detta för att uppfylla de ökande kraven som ställs på systemet. I dessa komplexa system blir resurshantering ett ökande problem, därför används nu artificiell intelligens (AI) allt mer för att ta beslut om hantering av radioresurser (RRM). Dessa AI tekniker är dock ofta svåra att förstå för människor, och kan således ges oviktig input vilket leder till att öka AI modellernas komplexitet. I detta arbete föreslås en förklarande pipeline vars mål är att användas för att öka människors förståelse av AI modeller för RRM. Målet är även att minska modellernas komplexitet, utan att förlora prestanda. För att åstadkomma detta genererar pipelinen förklaringar av betydande predikatorer för modellen med hjälp av tre metoder för förklarande artificiell intelligens (XAI). Dessa tre metoder är, Kernel SHAP, CERTIFAI och Anchors. Sedan görs ett predikatorurval baserat på predikatorbetydelse med en av dessa tre metoder. För metoden Anchors formuleras ett nytt sätt att beräkna betydelsen hos predikatorer, eftersom tidigare forskning inte föreslår någon metod för detta. Slutligen appliceras den föreslagna pipelinen på en förstärkt inlärnings- (RL) baserat RRM system. Resultaten visar att komplexiteten av RL modellen kunde reduceras med mellan ∼ 27, 5% och ∼ 62, 5% baserat på olika nyckeltal:er, utan att förlora någon prestanda. Utöver detta visades även att förklaringarna som producerats kan användas för att svara på de vanligaste XAI frågoran om RL modellen, och på det viset har även förståelsen för modellen ökat. Sistnämnt uppnåddes enastående resultat som visade att RL modellen helt kunde ersättas med regler producerade av Anchor-metoden för beslut inom RRM, utan någon störra förlust av prestanda, men med an stor vinst i förståelse.