Sökning: "Sanna Lager"

Visar resultat 1 - 5 av 8 uppsatser innehållade orden Sanna Lager.

  1. 1. Longtail-fenomenet i svenskdagligvaruhandel : En kvantitativ studie av försäljningskoncentrationen i den svenska dagligvaruhandelns e-handel jämfört med fysisk handel.

    Kandidat-uppsats, Linnéuniversitetet/Institutionen för marknadsföring och turismvetenskap (MTS)

    Författare :Martin Amrén; Albin Nilsson; [2023]
    Nyckelord :Long tail; Pareto; superstars; grocery; e-commerce; omni-channel; multi-channel; sales concentration; Longtail; pareto; superstars; dagligvaror; e-handel; omni-channel; multi-channel; försäljningskoncentration;

    Sammanfattning : Bakgrund: Med digital utveckling ökar användandet av digitala kanaler för att köpa produkter. Utvecklingen sätter ökad press på handeln att utveckla sitt digitala erbjudande. Problemformulering: Förutsättningarna att driva handel skiljer sig åt online jämfört med offline, sett både ur perspektiv från återförsäljare och köpare. LÄS MER

  2. 2. Expressive Automatic Music Transcription : Using hard onset detection to transcribe legato slurs for violin

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

    Författare :Simon Falk; [2022]
    Nyckelord :Automatic Music Transcription; Signal Processing; Convolutional Neural Networks; Onset Detection; Music Information Retrieval; Automatisk musiktranskription; Signalbearbetning; Faltningsnätverk; Ansatsdetektion; Informationssökning av musik;

    Sammanfattning : Automatic Music Transcriptions systems such as ScoreCloud aims to convert audio signals to sheet music. The information contained in sheet music can be divided into increasingly descriptive layers, where most research on Automatic Music Transcription is restricted on note-level transcription and disregard expressive markings such as legato slurs. LÄS MER

  3. 3. Value at Risk Estimation with Neural Networks: A Recurrent Mixture Density Approach

    Master-uppsats, KTH/Matematik (Avd.)

    Författare :William Karlsson Lille; Daniel Saphir; [2021]
    Nyckelord :Machine learning; Neural networks; LSTM; MDN; Mixture density; Value at Risk; VaR; Risk; Financial mathematics; Finance; Maskininlärning; Neurala nätverk; LSTM; MDN; Mixture Density; Value at Risk; VaR; Risk; Finansiell matematik; Finans;

    Sammanfattning : In response to financial crises and opaque practices, governmental entities and financial regulatory bodies have implemented several pieces of legislature and directives meant to protect investors and increase transparency. Such regulations often impose strict liquidity requirements and robust estimations of the risk borne by a financial firm at any given time. LÄS MER

  4. 4. Predicting Tropical Thunderstorm Trajectories Using LSTM

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

    Författare :Isak Nordin Stensö; [2018]
    Nyckelord :LSTM; thunderstorms; machine learning; nowcasting; LSTM; åskstormar; maskininlärning; nowcasting;

    Sammanfattning : Thunderstorms are both dangerous as well as important rain-bearing structures for large parts of the world. The prediction of thunderstorm trajectories is however difficult, especially in tropical regions. This is largely due to their smaller size and shorter lifespan. LÄS MER

  5. 5. Drönar-redo eller drönar-framtid? : En undersökning av möjligheten att inventera med drönare i lager

    Kandidat-uppsats, Högskolan i Skövde/Institutionen för handel och företagande

    Författare :Sanna Hasic; Daniel Petio; [2018]
    Nyckelord :Inventory counting; inventory record accuracy; drone; automation; Inventering; lagersaldo; drönare; automatisering;

    Sammanfattning : Syftet med den här rapporten har varit att undersöka möjligheterna att automatisera själva inventeringsarbetet med hjälp av drönare. Rapporten ska lyfta fram vilka kravspecifikationer en drönare skulle behöva uppfylla för att detta ens skulle kunna vara möjligt överhuvudtaget samt undersöka på vilket sätt detta kan medföra effektivisering av inventeringsprocessen och minimera risk för olyckor. LÄS MER