This paper has presented a solution to an FPGA-based PWM matcher in the form of the so-called FPWM Prototype, using the hardware facilities on the Cray XD1 Supercomputer. The prototype implementation currently runs as a single core on a single node of the Cray, and provides a theoretical PWM matching capability roughly 15 times greater than a contemporary Pentium M general-purpose CPU. Theoretical and empirical data regarding performance and resource consumption for this implementation have been provided. A method for increasing the speedup to a theoretical maximum of 480x has also been described, using a multi-core implementation on a single chip. This theoretical limit could potentially be attained with today's hardware, but would require certain compromises with regard to bit resolution and PWM length in order to fit on the FPGA. A full-scale implementation providing the capabilities required by many of today's algorithms would most likely not reach this speed, but as the FPGA currently installed on the Cray is also available in a larger variant (the Virtex-4 family), it is reasonable to assume that such an implementation could indeed be feasible on contemporary hardware. A method for using several nodes on the Cray XD1 transparently for the user application, in order to further increase the performance, has also been described. However, as theoretical performance estimation on such hardware is a highly inexact science, and empirical measurements could not be performed at this time due to the state of the prototype, no estimates have been provided for this method. While some of the original goals were attained, other parts of the project could be considered a failure. Due to a number of implementation problems, a working FPWM was not available in time for use with the two other projects mentioned in the introduction, involving hardware acceleration of the Gibbs Sampling and MEME algorithms. The main problem with the cooperation between these projects was that it relied on the FPWM being in a finished and working condition before the work involving it could begin, which turned out to be much harder and take much longer time than what was first envisioned. The planned empirical measurements of the performance boost for these algorithms are therefore not yet available.

Mapping the regulatory system in living organisms is a great challenge, and many methods have been created during the last 15 years to solve this problem. The biological processes are however more flexible and complex than first thought, and many of the methods lack the ability to imitate this exactly. The new method devised here is not a complete solution to this situation, but pose an innovative solution for finding approximate composite patterns in a set of sequences. Motifs are read from any third-party tool represented as either {A,C,G,T}, IUPAC or PWMs, and weighted with significance and support as an estimate to how important the patterns are. Finding combinations with both high significance and support can reveal important properties preserved in the sequences. Based on this, the algorithm use a branch-and-bound approach to traverse every combination while preserving the best solutions in this multiple object optimization problem in a Pareto front. The best patterns found, are investigated further by applying different statistical and experimental method to better support the significance of the patterns found. The three most important tests done on the TransCompel dataset, where (i) to look at the patterns predicted measured against known sites based on nucleotide correlation. (ii) Find the frequency for motifs participating in the combinations, so that the best could be studied manually. And (iii), different test where compared when the significance was based on real background sequences instead of the uniform distribution. Some of the results found where low, but still similar to the accuracy provided by other known methods that have been tested with the same methods. The test results can be biased by the parameters used, a too simple and restrictive test set or by faulty predictions done one the dataset tested. More testing and tuning of parameters might result in better predictions. However, the different tests still proved this method to be a valuable tool in composite motif discovery.

The use of video surveillance in public areas is ever increasing. With that increase, it becomes impractical to continue using humans to view and respond to the surveillance video streams, due to the massive amount of information that must be processed. If one hope to use surveillance to avoid personal injuries, damage to property and so forth, instead of merely a forensic tool after the fact, humans must be replaced by artificial intelligence. This thesis examines the whole process of recognizing unwanted human behaviors from videos taken by surveillance cameras. An overview of the state of the art in automated security and human behavior recognition is given. Algorithms for motion detection and tracking are described and implemented. The motion detection algorithm uses background subtraction, and can deal with large amounts of random noise. It also detects and removes cast shadows. The tracking algorithm uses a spatial occupancy overlap test between the predicted positions of tracked objects and current foreground blobs. Merges/splits are handled by grouping/ungrouping objects and recovering the trajectory using distance between predicted position and foreground blobs. Behaviors that are unwanted in most public areas are discussed, and a set of such concrete behaviors described. New algorithms for recognizing chasing/fleeing scenarios and people lying on the floor are then presented. A real-time intelligent surveillance system capable of recognizing chasing/fleeing scenarios and people lying on the floor has been implemented, and results from analyzing real video sequences are presented. The thesis concludes with a discussion on the advantages and disadvantes of the presented algorithms, and suggestions for future research.

Dagens elektroniske kretser utvikles som regel med en top-ned designstrategi. Siden kretsene blir større og mer komplekse blir designet av kretsene også en større og vanskeligere jobb. For å takle denne økende kompleksiteten har det blitt introdusert nye designmetoder, blant annet inspirert av naturen. Denne type maskinvare kan for eksempel bruke evolusjon, cellestrukturer eller prøve å simulere intelligens. En mye brukt platform for biologisk inspirert maskinvare er FPGA. På grunn av en del begrensninger med denne har datamaskingruppa ved IDI på NTNU introdusert en virtuell FPGA kalt Sblock. Dette er en platform som fjerner en del av begrensningene fra å jobbe direkte på en FPGA og består av en matrise med celler. Hver celle har en funksjonalitet og en development-prosess som forandrer funksjonaliteten til cellen ut fra visse regler. Tidligere har det blitt laget en implementasjon av en Sblock-matrise med development-prosessen i en sentral ko-prosessor. Målet med denne oppgaven er å implementere og teste ut en Sblock-matrise hvor også development-prosessen er lagt parallellt i hver Sblock og finne ut hvor store matriser som er mulige å lage med tilgjengelig maskinvare. Resultatene viser at Sblock-matrisen skalerer godt og at brukt maskinvare øker lineært med antall Sblocker i matrisen. Den nye implementasjonen fungerer korrekt, men noen instruksjoner har blitt fjernet og noen lagt til i forhold til den tidligere implementasjonen.

Det eksisterer mange kjente metoder for å etterligne menneskelig tenkegang eller utøve kunstig intelligens. Et interessant anvendelsesområde for slike metoder er i musikken, siden dette er en kunstform uten klare regler eller absolutte sannheter. Uten regler og sannheter er det heller ikke en korrekt måte å lage musikk på. Arbeidet beskrevet i denne rapporten går ut på å bygge et system for å tolke musikalsk input fra en musikkutøver. Til dette blir det forsøkt benyttet nevrale nettverk. Et nevralt nettverk kan utføre denne oppgaven ved å trenes opp til å gjenkjenne hvilke akkorder som blir spilt. Systemet blir testet ved å koble det sammen med programmet Happysound (Utvliket i prosjektoppgaven høst 05). Dette er et program som benytter fuzzy logikk for å genererer musikalske soloer. Ved å koble et nevralt nettverk til dette fåes et system som tar inn akkompagnement fra en medspiller og spiller av soloer som passer til dette. Resultatene som presenteres viser at nevrale nettverk er en god metode for musikalske formål men at det legges begrensninger av hvor mange forskjellige akkordrepresentasjoner ett enkelt nevralt nettverk klarer å kjenne igjen. Til slutt fremlegges en utvidelse for å overkomme disse begrensningene.

This thesis presents some of the simulators that are available for simulation of computer architectures, with a special emphasis on simulating chip multiprocessor (CMP) architectures. The simulators Rsim, Asim, SimOS, Simics, TFsim, SimFlex, GEMS and M5 are described, in addition to an extension to SimpleScalar written at the department. The simulators have been evaluated according to various criteria, such as availability, extensibility, simulation platform, etc. The simulator M5, which has been selected as a good choice for use in the group for computer architecture research at the department, has been evaluated in more detail. The simulator has favourable characteristics such as good extensibility through modular design and pervasive object orientation, support for both full system simulation and syscall emulation, an active development team and user forum, and a fair amount of available documentation.

Denne hovedoppgaven er rettet mot en praktisk implementasjon av et automatisk visuelt inspeksjonssystem. På bakgrunn av en serie av treningsbilder er målsetningen at systemet skal kunne klassifisere objekters avbildninger som godkjent eller underkjent. Arbeidet har lagt stor vekt på at systemet skal virke på generelle objekter. Systemet er implementert i Microsoft Visual Studio .NET 2003 C++, og viktige elementer tilknyttet arbeidet beskrives i denne rapporten. Resultatene virker lovende, da inspeksjonssystemet gjennomsnittlig klassifiserer 91% riktig på de 8 bildesett som systemet er testet med. Videre planer gir imidlertid håp om å utbedre systemet betydelig. Disse planene presenteres som videre arbeid i slutten av rapporten.

Rapporten beskriver hovedoppgaven Utforskning av evolusjon for kunstig utvikling. Cellulære beregningsmaskiner og kunstig utvikling er begge nyere forskningsfelt innen datateknologi med opphav i biologisk inspirasjon og kunstig intelligens. Biologisk inspirerte metoder kan benyttes til å finne nye alternative design. Kunstig evolusjon kombinert med cellulære maskiner kan gi opphav til nye designmetoder og arkitekturer. Samtidig kan cellulære maskiners dynamiske egenskaper gi gode simuleringer av naturens komplekse systemer. Kunstig utvikling ser ut til å kunne redusere skaleringsproblemet ved genotype-fenotype omformingen for evolusjonære systemer. Koblingen av evolusjon og kunstig utvikling byr likevel på nye utfordringer. En cellulær maskin for utvikling kan utforskes for emergent computation med evolusjon. Et slikt komplekst system krever forståelse for hvordan den biologiske utviklingen med genuttrykk og genregulatoriske nettverk påvirkes av evolusjonen og evolusjonsparameterene. Kunnskap om et slikt system forutsetter eksperimentell utforskning og analyse. I oppgaven ble en plattform implementert for å utforske evolusjon for utvikling av emergent strukturer i en cellulær maskin. Plattformen brukes til å designe to multicellulære emergent strukturer, sjakkbrett- og flaggmønster. Analyseresultatene viser at evolusjonen konsekvent utnytter omgivelsene sine for å skape strukturløsninger. Det ble også utført skaleringsforsøk som tyder på at økt informasjonsmengde i systemet kan ha en positiv effekt på det evolusjonære søket. Plattformen gjør det mulig å få en eksperimentell forståelse av hvordan parametere ved utviklings- og evolusjonsprosessene påvirker systemets emergent computation av strukturer.

Oppgaven består i å studere metodene som brukes for å detektere kollisjoner ved animasjon av tekstiler og klær og hvordan det gies respons når kollisjon er fastslått.

Eksplosjoner er en viktig del av mange spill. Men eksplosjoner er hurtige og veldig turbulente fenomener som vanskelig lar seg simulere bra, spesielt for sanntidsapplikasjoner. Vi presenterer en metode for animering av eksplosjoner som utføres på GPU i sin helhet. Simuleringen takler vilkårlige obstruksjoner, og er satt sammen av en forbrenningsmodell, en stabil fluidløser som tar hensyn til utvidende gasser, samt turbulensmodeller. Simuleringsresultatene blir visualisert ved hjelp av partikler som rendres animerte. Resultatet er fysisk baserte, ikke-repeterende og dynamiske eksplosjoner i sanntid med høy visuell kvalitet.