<p><p>Syftet med studien är att undersöka hur ett tredimensionellt bildmoment påverkar rumsuppfattningen i ett tvådimensionellt arbete. Den metod jag valde är en aktionsforskningsmetod där man arbetar direkt i den praktiska verksamheten i en cyklisk process med fyra faser: planering, aktion, observation och reflektion. Sista fasen resulterar oftast i en ny planeringsfas och ytterligare ett varv i aktionsforskningscykeln därigenom nås ett högre kvalitativt resultat. Undersökningsgruppen var elever i år 9 som i tre steg fick återge ett stillében. Först skulle de teckna av stillébenet tvådimensionellt, därefter skulle de skulptera fram samma stillébenmotiv med lera i en tredimensionell skulptur för att slutligen i det tredje steget återigen teckna av samma stillébenuppställning. Resultatet visar att eleverna under sitt första tvådimensionella skapande gjorde en bildframställning med tydliga konturer och stor detaljrikedom. Många perspektivförsök gjordes men det blev ofta flera olika perspektiv i samma bild. Objekten i teckningarna hade dålig sammanhörighet och stillébenets storleksförhållande och riktningar stämde dåligt. Överlappningar och ljus, skugga användes sparsamt vilket medförde en låg grad av rumslighet. Efter det tredimensionella inslaget med leran så blev teckningarna något mer rumsliga då eleverna verkade ägna sig mer åt form än åt detaljer och konturer. Detta medförde att sammanhörigheten och storleksförhållandet i motivet förbättrades samt att valörer började användas. Perspektivmässiga förbättringar blev märkbara och ljus och skugga började användas liksom överlappningar vilket gav ett större bilddjup och en högre grad av rumslighet. Det blev en del små förändringar i det tvådimensionella skapandet till det bättre efter det tredimensionella arbetet. Det kan bero på flera faktorer, som att eleverna lärt sig bildknep från sina första teckningar och att de gjort bildlån från en kamrat eller att elever automatiskt utvecklas och gör en bättre bildframställning efter att de fått göra en likadan teckning tidigare.</p></p>

Syftet med studien är att undersöka hur ett tredimensionellt bildmoment påverkar rumsuppfattningen i ett tvådimensionellt arbete. Den metod jag valde är en aktionsforskningsmetod där man arbetar direkt i den praktiska verksamheten i en cyklisk process med fyra faser: planering, aktion, observation och reflektion. Sista fasen resulterar oftast i en ny planeringsfas och ytterligare ett varv i aktionsforskningscykeln därigenom nås ett högre kvalitativt resultat. Undersökningsgruppen var elever i år 9 som i tre steg fick återge ett stillében. Först skulle de teckna av stillébenet tvådimensionellt, därefter skulle de skulptera fram samma stillébenmotiv med lera i en tredimensionell skulptur för att slutligen i det tredje steget återigen teckna av samma stillébenuppställning. Resultatet visar att eleverna under sitt första tvådimensionella skapande gjorde en bildframställning med tydliga konturer och stor detaljrikedom. Många perspektivförsök gjordes men det blev ofta flera olika perspektiv i samma bild. Objekten i teckningarna hade dålig sammanhörighet och stillébenets storleksförhållande och riktningar stämde dåligt. Överlappningar och ljus, skugga användes sparsamt vilket medförde en låg grad av rumslighet. Efter det tredimensionella inslaget med leran så blev teckningarna något mer rumsliga då eleverna verkade ägna sig mer åt form än åt detaljer och konturer. Detta medförde att sammanhörigheten och storleksförhållandet i motivet förbättrades samt att valörer började användas. Perspektivmässiga förbättringar blev märkbara och ljus och skugga började användas liksom överlappningar vilket gav ett större bilddjup och en högre grad av rumslighet. Det blev en del små förändringar i det tvådimensionella skapandet till det bättre efter det tredimensionella arbetet. Det kan bero på flera faktorer, som att eleverna lärt sig bildknep från sina första teckningar och att de gjort bildlån från en kamrat eller att elever automatiskt utvecklas och gör en bättre bildframställning efter att de fått göra en likadan teckning tidigare.

Under de senaste åren har en ny trend inom spelindustrin uppstått då en stor del av spelen har gått tillbaka till de tvådimensionella miljöerna som var vanligare i tv-spelens barndom, detta tack vare att mobiltelefoner och deras spel har tagit allt större plats på marknaden och de är ofta tvådimensionella på grund av sin begränsade hårdvara. De tvådimensionella spelen har enligt tradition inte haft någon dynamisk ljussättning, utan de har bestått utav färdig grafik med förutbestämda intensiteter vilket gör att spelen kan se platta ut. Men inom andra områden av spelindustrin, framförallt tredimensionella spel, har utvecklingen av dynamiska ljussättningsmetoder kommit långt. Problemet med dessa metoder är att de kräver objektens normaler, vilka normalt inte finns tillgängligt i tvådimensionella bilder. Idag är mobiltelefonerna kraftfulla och klarar av mycket tyngre beräkningar än vad de gjorde för bara några år sedan. Därför undersökte vi möjligheten att implementera dynamisk ljussättning i ett tvådimensionellt spel på androidbaserade mobiltelefoner. För att genomföra detta krävdes också att vi undersökte metoder för att generera normaler för tvådimensionell grafik. För att ett fullständigt spel skulle kunna skapas så implementerades också saker som kollisionshantering, artificiell intelligens och procedurell generering av banor. / In recent years, a new trend in the gaming industry has emerged since a large part of the games have gone back to the two-dimensional environments that were more common in the early days of the video games history . This is due to mobile phones and their games have taken more and more space on the market and they are often two-dimensional because of the limited harware. The twodimensional games have traditionally never had any dynamic lighting , they have consisted of premade graphics with predetermined intensities , which means that the games may look flat. But in other areas within the gaming industry, especially three-dimensional games, the evolution of dynamic lighting techniques have come a long way. The problem with these methods is that they require the object's normals, which are not normally available in two-dimensional images. Today mobile phones are powerful and capable of much heavier computations than they did just a few years ago. Therefore, we examined the possibility of implementing dynamic lighting in a twodimensional games on Androidbased mobile phones. To accomplish this it required that we investigated methods to generate normals for two-dimensional graphics. In order to create a full game we also implemented features such as collision handling, artificial intelligence and procedural generation of maps.

Percolation theory is a relevant area of research in Nanotechnology because of its wide applications in nanoelectronics based on thin films of nanoparticles and composites, amongst others. In nanotechnology, systems are often explored through modelling and simulations. Thin films of the emerging low-dimensional nanomaterials, such as the 1D nanowires/nanotubes and 2D graphene, as well as their composites, can generally be simulated through a two dimensional percolation system of homogeneous or heterogeneous ellipses. The critical phenomena, i.e., the percolation threshold of the systems, is now obtained using the Monte Carlo simulation method, which, need extensive amounts of time. This project is an interdisciplinary one, wherein an attempt is made to use a certain amount of the data from the Monte Carlo simulations to train a machine learning model to predict the threshold of all the 2D ellipse systems with the maximum relative error &lt; 10%, thus reducing the time taken when gathering the data. This project investigates different algorithms such as Linear Regression, Polynomial Regression, Multi-layer Perceptron Neural Networks, Random Forests, Extreme Gradient Boosted Trees, Support Vector Machines and K-Nearest Neighbours. Weaknesses in the results are identified and overcome by specific additional sample generation. Finally, a comparison is made between the algorithms marking the Multi-layer Perceptron and Extreme Gradient Boosted Trees as successful, with the Multi-layer Perceptron being the clear winner. The algorithm is successful within the defined 10% relative error, performing even better with all samples having relative prediction errors less than 7%. The model can be downloaded and used from https://github.com/NiravSurajlal/ PercolationAI. / Perkolationsteori är ett relevant forskningsområde inom nanoteknik på grund av dess breda tillämpningar inom nanoelektronik, bland annat baserade på tunna filmer av nanopartiklar och kompositer. Inom nanoteknik undersöks system ofta genom modellering och simuleringar. Tunna filmer av de framväxande lågdimensionella nanomaterialen, såsom 1D-nanotrådar / nanorör och 2Dgrafen, liksom deras kompositer, kan i allmänhet simuleras genom ett tvådimensionellt perkolationssystem av homogena eller heterogena ellipser. De kritiska fenomenen, dvs. systemets perkolationströskel, erhålls nu med hjälp av Monte Carlosimuleringsmetoden, som kräver omfattande tidsperioder. Detta projekt är ett tvärvetenskapligt projekt, där man försöker använda en viss mängd data från Monte Carlo-simuleringarna för att träna en maskininlärningsmodell för att förutsäga tröskeln för alla 2D-ellipssystem med det maximala relativa felet &lt;10%vilket minskar den tid det tar att samla in data. Detta projekt undersöker olika algoritmer som linjär regression, polynomregression, flerlagers Perceptron-neuronnätverk, slumpmässiga skogar, extrema gradientförstärkta träd, stöd för vektormaskiner och K-närmaste grannar. Svagheter i resultaten identifieras och övervinns genom specifik ytterligare provgenerering. Slutligen görs en jämförelse mellan algoritmerna som markerar Multi-layer Perceptron och Extreme Gradient Boosted Trees som framgångsrika, med Multi-layer Perceptron som den tydliga vinnaren. Algoritmen är framgångsrik inom det definierade 10 % relativfelet och presterar ännu bättre med alla prover som har relativa prediktionsfel mindre än 7 %. Modellen kan laddas ner och användas från https://github.com/NiravSurajlal/PercolationAI.

Förnödenheter transporteras i Försvarsmakten på ett stort antal olika pallar med flertalet olikal astbärare. Rapporten svarar på frågorna: Vilken är den mest optimala lastpallen för försvarsmakten sett till tvådimensionell fyllnadsgrad? Går det med enkla medel att öka den tvådimensionella fyllnadsgraden, på rapportens valda lastbärare, genom att välja en väletablerad standardpall? Lastbärarna som rapporten avhandlar är container, rullflak, lastbilsflak och lastbilssläp. Rapporten använder pallens och fyra lastbärares lastyta för att utifrån sju stuvningssätt beräkna det antalet pallar som får plats på respektive lastbärare utifrån samtliga stuvningssätt. Därefter har den maximala fyllnadsgraden av respektive pall på respektive lastbärare tagits fram och presenterats. Fyllnadsgraden som avses är den nyttjade lastytan och rapporten avhandlar endast ett tvådimensionellt lastproblem. Rapportens optimala pall vore 1165x830mm2 stor och uppnår en genomsnittlig fyllnadsgrad på 96%, pallen har tagits fram genom simuleringar baserat på beräkningar. Den tangerar eller överträffar fyllnadsgraden för standardpallar såsom Europapallen (1200x800mm2) och Natopallen(1200x1000mm2) på samtliga lastbärare. Natopallen har högre genomsnittlig fyllnadsgrad, 90%, jämfört med Europapallen på 84%. Natopallen har en jämn fyllnadsgrad medan Europapallen är väldigt effektiv på lastbil med släp. / In the Swedish Armed Forces supplies are transported using a large number of different pallets on a number of different cargo carriers. This report answers the questions: Which is the most space efficient pallet size regarding two dimensional stowage? Is it possible to increase the two dimensional space efficiency, on selected cargo carriers, by transitioning to a well established standard pallet? The report is based on the size of both the cargo carriers and pallets. Seven stowage methods are used to calculate the number of each pallet which can fit on each of the four cargo carrier for each stowage method. Following this the maximum space efficiency of each pallet on all the cargo carriers are calculated. The most space efficient pallet size is 1165x830mm2, a pallet size which has been simulated using the calculations of this report. The pallet has an average space efficiency of 96% which is as high or higher compared to the European pallet (1200x800mm2) or NATO pallet (1200x1000mm2) on the selected cargo carriers. The NATO pallet has an average space efficiency of 90% compared to 84% using the European pallet. The NATO pallet has an even space efficiency on the selected cargo carriers compared to the European pallet which is highly space efficient on trucks with trailers.