Sökning: "examensarbete nätverk"

Visar resultat 6 - 10 av 399 uppsatser innehållade orden examensarbete nätverk.

  1. 6. Exploration and Evaluation of RNN Models on Low-Resource Embedded Devices for Human Activity Recognition

    Master-uppsats, KTH/Mekatronik och inbyggda styrsystem

    Författare :Helgi Hrafn Björnsson; Jón Kaldal; [2023]
    Nyckelord :Recurrent Neural Networks; Long Short-Term Memory Networks; Embedded Systems; Human Activity Recognition; Edge AI; TensorFlow Lite Micro; Recurrent Neural Networks; Long Short-Term Memory Networks; Innbyggda systyem; Mänsklig aktivitetsigenkänning; Edge AI; TensorFlow Lite Micro;

    Sammanfattning : Human activity data is typically represented as time series data, and RNNs, often with LSTM cells, are commonly used for recognition in this field. However, RNNs and LSTM-RNNs are often too resource-intensive for real-time applications on resource constrained devices, making them unsuitable. LÄS MER

  3. 7. Mot ett mer hållbart lantbruk : En kartläggning av hur livsmedelsaktörer arbetar med miljömässig hållbarhet på gårdsnivå.

    Kandidat-uppsats, SLU/Dept. of Economics

    Författare :Charlie Simonsson; Julia Arvidsson; [2023]
    Nyckelord :synergier; hållbart lantbruk; hållbar utveckling; livsmedelssektorn; Synergies; agriculture; sustainability; sustainable development; food sector; Science Based Targets; hållbarhet; intressentteorin; marknadsmix; legitimitet;

    Sammanfattning : Förhöjda havsnivåer, extremväder, översvämningar och skogsbränder är några av de konsekvenser som hotar vår planet på grund av klimatförändringarna. Denna oroande utveckling har lett till en ökad uppmärksamhet kring hållbar utveckling, inte bara i Sverige utan även globalt. LÄS MER

  4. 8. Regression with Bayesian Confidence Propagating Neural Networks

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

    Författare :Raghav Rajendran Bongole; [2023]
    Nyckelord :Machine Learning; Neural Networks; Brain-like computing; Bayesian Confidence Propagating Neural Networks; Maskininlärning; neurala nätverk; hjärnliknande datorer; Bayesian Förtroendespridande neurala nätverk;

    Sammanfattning : Bayesian Confidence Propagating Neural Networks (BCPNNs) are biologically inspired artificial neural networks. These networks have been modeled to account for brain-like aspects such as modular architecture, divisive normalization, sparse connectivity, and Hebbian learning. LÄS MER

  5. 9. Enabling Collaboration for Industrial Symbiosis Formation between Manufacturing Firms : A Study of the Norrbotten & Västerbotten Region

    Uppsats för yrkesexamina på avancerad nivå, Luleå tekniska universitet/Institutionen för ekonomi, teknik, konst och samhälle

    Författare :Anton Nygårdh; [2023]
    Nyckelord :Industrial symbiosis; Collaboration; Challenges; Strategies; Manufacturing industry; Norrland; Industriell Symbios; Samarbete; Utmaningar; Strategier; Tillverkningsindustri; Norrland;

    Sammanfattning : Purpose: The purpose of this thesis is to enhance the understanding of how collaboration in the manufacturing industry can enable the formation of industrial symbiosis by identifying challenges and strategies. To fulfill this purpose, two research questions has been addressed: What are the factors hindering collaboration and thus IS formation between companies in Norr- & Västerbotten? and What are the enabling strategies allowing collaboration for IS formation in Norr- & Västerbotten? Method: The research was conducted as a qualitative, inductive study of exploratory nature. LÄS MER

  7. 10. Channel Estimation Optimization in 5G New Radio using Convolutional Neural Networks

    Master-uppsats, Karlstads universitet/Institutionen för matematik och datavetenskap (from 2013)

    Författare :David Adolfsson; [2023]
    Nyckelord :Channel Estimation; 5G NR; CNN; Kanalestimering; 5G NR;

    Sammanfattning : Channel estimation is the process of understanding and analyzing the wireless communication channel's properties. It helps optimize data transmission by providing essential information for adjusting encoding and decoding parameters. LÄS MER