This thesis aims to investigate the use of the discrete wavelet transform of a stock index as a means to forecast intraday returns. This will be done by having the discrete wavelet transform as an input in a Transformers neural network with binary labels signifying a positive or negative next-day return. The input will be limited to a time horizon of 30 days since the entire history is likely not necessary, meaning we do not care about the discrete wavelet transform 5 years ago when we are trying to predict the next day's return. The network will be evaluated in terms of accuracy and a "trading strategy" on the OMXS30 index, where we compare the performance of the network with that of the original index. Overall, the performance of the discrete wavelet transform and the Transformers network was okay. The performance was slightly better than simply going long on the index, but not by much, and when factoring in transaction costs it is probably not a worthwhile strategy to use this setup. / Detta examensarbete syftar till att undersöka användningen av den diskreta wavelet-transformen av ett aktieindex som ett sätt att prognostisera nästa dags avkastning. Detta kommer att göras genom att ha den diskreta wavelet-transformen som en input i ett Transformersnätverk med målet att utföra binär klassificiering. Inputen kommer att vara begränsad till en tidshorisont på 30 dagar eftersom hela historien sannolikt inte är nödvändigt, vilket betyder att vi inte bryr oss om den diskreta wavelet-transformen för 5 år sedan när vi försöker prognostisera nästa dags avkastning. Nätverket kommer att utvärderas med hjälp av accuracy och en tradingstrategi som kommer utvärderas på OMXS30-indecet, där vi jämför tradingstrategins prestation med det ursprungliga indexet. Slutsatsen man kan dra av det här examensarbetet är att den diskreta wavelet-transformen och Transformers-nätverkets prestanda var acceptabel. Trading strategin var något bättre än att bara gå lång på indexet, men inte mycket, och när man räknar in transaktionskostnader är det förmodligen inte en lönsam strategi.

Arbetet beskriver möjligheten att kunna utföra prediktivt underhåll med hjälp av information frånCOMTRADE störningsfiler. En mjukvarualgoritm som hämtar tidsförlopp för händelser som uppstårvid störningar och kan ge indikationer på ifall reläer eller strömbrytare faller utanför optimalaarbetsförhållanden har utvecklats. På detta sett kan underhållsarbete utföras vid behov vilket kanspara tid och pengar för att inte göras efter schemalagda tider.Tillsammans med uppdragsgivare från Megger och Ellevio utfördes arbetet med syfte att utvecklaen programvara som stöd för prediktivt underhåll. Programvaran kunde ta ut tidshändelser förregistrerade störningar och kunde hantera flertalet scenarion för vilka typer av information somfunnits tillgängligt ur filen. En användare har tillgång till en automatisk algoritm som gör analysav filen och ett manuellt verktyg där vidare analyser kan göras ifall utfallet från algoritmen inte ärgodtyckligt.Trender över tid är något som finns möjlighet att få ut ur algoritmen, men det kräver en större mängddataset än som varit tillgänglig under arbetet. / The work describes the opportunities to perform preventive maintenance with the help of informationfrom COMTRADE disturbance files. A software algorithm was developed which collects disturbancedata and gives indications if equipment are not working within optimal conditions.Using thisinformation preventive maintenance can be performed based on need instead of scheduling to savetime and money.Together with supervisors from involved companies a software was developed to be used as a supportfor preventive maintenance. The software can extract disturbance times and handle multiple scenariosbased on information collected from disturbance files. A user has access to a algoritm that createsautomatical analysis of the COMTRADE file and a manual tool for extensive analysis when the algoritmdoes not give proper results.Trends over time can be analysed with the algortim, this do require a larger amount of data than whatwas available during the work.

Cardiovascular diseases are a leading cause of death globally. Early diagnosis and treatment is of prime importance to prevent or mitigate health complications. Electrocardiogram (ECG) is a standard test modality used for early diagnosis of arrhythmias. The standard ECG uses 12 leads (i.e., 12 different views of the electrical activity of the heart). However, it is not always possible to perform a standard 12-lead ECG, for instance, in certain emergency situations. Such devices used in emergency situations are able to measure only a subset of leads. Although it is a simpler way of recording ECG, it comes at the cost of losing some information. The project presented in this thesis applies three different models based on canonical correlation analysis (CCA) to perform transfer learning from 12-lead ECGs to improve performance when only a subset of leads is available. The models used were linear canonical correlation analysis, deep canonical correlation analysis (DCCA) and deep canonically correlated bidirectional long short-term memory networks (DCC-BiLSTMs). These models are compared to each other using different configurations to study their performance on ECG data. Linear canonical correlation analysis performed better than its more complex variants, DCCA and DCC-BiLSTMs. With this method, it was possible to improve performance on ECG classification when using two, three, four and six leads in a computationally efficient way. / Hjärt- och kärlsjukdomar är den främsta dödsorsaken i världen. Tidig diagnos och behandling är av största vikt för att förhindra ytterligare och allvarliga hälsoproblem. Elektrokardiogram (EKG) är den standardmetod som används för tidig diagnos av arytmier. Standardförfarandet inom EKG använder sig av 12 avledningar (dvs. 12 olika vyer av hjärtats elektriska aktivitet). Det är dock inte alltid möjligt att utföra ett standard-EKG med 12 ledningar, vilket t.ex. förekommer i vissa nödsituationer. I dessa fall kan utrustning som gör det möjligt att ta fram ett 12-ledars EKG inte vara tillgänglig av flera olika skäl, och därför används andra apparater som kan mäta endast en delmängd av ledningarna för tidig diagnostik. Även om det är ett enklare sätt att utföra ett EKG, innebär det att man förlorar en del information. I det projekt som presenteras i detta dokument används tre olika modeller baserade på kanonisk korrelationsanalys (CCA) för att utföra överföringsinlärning från 12-ledars EKG för att förbättra prestanda när endast en delmängd av avledningar används. De modeller som användes var linjär kanonisk korrelationsanalys, djup kanonisk korrelationsanalys (DCCA) och djupa kanoniskt korrelerade bidirektionella långtidsminnesnätverk (DCCBiLSTMs). Dessa modeller jämförs med varandra med hjälp av olika konfigurationer för att studera deras prestanda på EKG-data. Linjär kanonisk korrelationsanalys presterade bättre än dess mer komplexa varianter, DCCA och DCC-BiLSTMs. Med denna metod var det möjligt att förbättra prestandan för klassificering av EKG när man använder två, tre, fyra och sex ledningar på ett beräkningseffektivt sätt.

This report studies the possibilities of minimizing unplanned maintenance work and improving the availability of power supply by enabling preventive maintenance in power systems, without having to make additional investments in the existing systems. This was done using information from COMTRADE files (disturbance recording files) that are created in the event of a fault in the power system. The IEC 61850 standard facilitates the process of retrieving and analyzing the disturbance files by standardizing their format and the way they are stored. By creating a software solution that automatically reads and analyses the COMTRADE files, deteriorating performance of the power system equipment can be detected and preventive maintenance suggested. The result of the project is a software solution that reads and analyses COMTRADE files in an automated way. The software identifies fault events (fault start, trip signal sent, circuit breaker open, auto-reclose command, circuit breaker closed) from the recorded signals using wavelet transform as the main method. It then calculates the times of relay and circuit breaker operations. The calculated times are compared to threshold values and warnings are generated if they exceed the thresholds. / Denna rapport studerar möjligheten att minimera oönskade underhållsarbeten och öka tillgången på strömförsörjning genom att möjliggöra förebyggande underhåll i kraftsystemet, utan att behöva göra ytterligare investeringar för sina befintliga system. Detta gjordes med hjälp av information från COMTRADE-filer (filer för inspelning av störningar) som skapades vid ett fel i elnätet. IEC 61850-standarden underlättar processen för att hämta och analysera störningsfilerna genom att standardisera sitt format och hur de lagras. Genom att skapa en programvarulösning som automatiskt läser och analyserar COMTRADE-filerna, kan försämrad prestanda hos strömsystemets utrustning detekteras och förebyggande underhåll föreslås. Resultatet av projektet är en mjukvarulösning som läser och analyserar COMTRADE-filer på ett automatiserat sätt. Programvaran identifierar felhändelser (fel start, sänd bryt-signal, brytare öppen, automatisk återstängnings kommando, strömbrytare stängd) från de inspelade signalerna med wavelettransformen som huvudmetod. Därefter beräknas driftstiderna för relä och brytare. De beräknade tiderna jämförs med tröskelvärden och varningar genereras om de överskrider tröskelvärdena.