Avancerad sökning

Visar resultat 1 - 5 av 62 uppsatser som matchar ovanstående sökkriterier.

  1. 1. Att känna sig fel/ avvikande : En studie om ADHD ur skärningspunkterna; kön, klass, ålder och funktionalitet

    Magister-uppsats, Umeå universitet/Institutionen för socialt arbete

    Författare :Teresa Linnarsson; Clara Eriksson; [2023]
    Nyckelord :ADHD; intersektionalitet; stämplingsteori; dramaturgiskt perspektiv; skola; utanförskap; symptom; ohälsa; sjukvård; hälso- och sjukvårdskurator.;

    Sammanfattning : Studiens kunskapsöversikt utgår från information om grundläggande fakta om ADHD, att få diagnos, samsjuklighet, vikten av rätt diagnos samt hälso- och sjukvårdskuratorer vilket utgör studiens vetenskapliga ram. Studiens frågeställningar syftar till att dels besvara hur rådande intersektionella strukturer påverkar upplevelsen av att leva med ADHD. LÄS MER

  3. 2. Quantification of hand jerk asymmetry for infants in hemiplegic cerebral palsy assessment

    Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Anton Bölenius; Elias Wetterwik; [2023]
    Nyckelord :;

    Sammanfattning : Hemiplegic cerebral palsy (HCP) is the most common form of cerebral palsy (CP) and affects roughly 1 in 400 infants. Unable to properly use the arm and leg of one side of the body, the disorder can have major negative impacts on a person’s life. New and improved methods of treating HCP have emerged in recent decades. LÄS MER

  4. 3. Predicting Breakdowns in Transportation Vehicles using Supervised Learning

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Shuo Li; [2023]
    Nyckelord :Breakdown Prediction; Transportation Vehicles; Diagnose; Gradient Boosting Classifier; Ensemble Model; Förutsägelse av haveri; transportfordon; diagnos; Gradient Boosting Classifier; Ensemblemodell;

    Sammanfattning : Vehicle breakdowns can lead to fatal accidents, increase costs and reduce productivity. Therefore, robust and accurate fault diagnosis and prediction systems are critical to ensure the proper operation of vehicles. Many researchers have used machine learning for the prediction of vehicle breakdowns. LÄS MER

  5. 4. Fault Detection and Diagnosis for Automotive Camera using Unsupervised Learning

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Ziyou Li; [2023]
    Nyckelord :Unsupervised Learning; Autoencoders; Image Clustering; Fault Detection and Diagnosis; Morphological Operations; Hardware-in-Loop; Advanced DriverAssistance System; Oövervakad inlärning; Autoencoders; Bildklustering; Felfindning och Diagnostik; Morfologiska Operationer; Hardware-in-Loop; Avancerade Förarassistanssystem;

    Sammanfattning : This thesis aims to investigate a fault detection and diagnosis system for automotive cameras using unsupervised learning. 1) Can a front-looking wide-angle camera image dataset be created using Hardware-in-Loop (HIL) simulations? 2) Can an Adversarial Autoencoder (AAE) based unsupervised camera fault detection and diagnosis method be crafted for SPA2 Vehicle Control Unit (VCU) using an image dataset created using Hardware-inLoop? 3) Does using AAE surpass the performance of using Variational Autoencoder (VAE) for the unsupervised automotive camera fault diagnosis model? In the field of camera fault studies, automotive cameras stand out for its complex operational context, particularly in Advanced Driver-Assistance Systems (ADAS) applications. LÄS MER

  7. 5. The effect of model calibration on noisy label detection

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Max Joel Söderberg; [2023]
    Nyckelord :Area Under the Margin; Calibration; Image classification; Label smoothing; Noisy labels; Overconfidence; Area under marginalen; Kalibrering; Bildklassificering; Etikettutjämning; Brusiga etiketter; Övertro;

    Sammanfattning : The advances in deep neural networks in recent years have opened up the possibility of using image classification as a valuable tool in various areas, such as medical diagnosis from x-ray images. However, training deep neural networks requires large amounts of annotated data which has to be labelled manually, by a person. LÄS MER