Avancerad sökning
Visar resultat 1 - 5 av 23 uppsatser som matchar ovanstående sökkriterier.
1. Contextual short-term memory for LLM-based chatbot
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : The evolution of Language Models (LMs) has enabled building chatbot systems that are capable of human-like dialogues without the need for fine-tuning the chatbot for a specific task. LMs are stateless, which means that a LM-based chatbot does not have a recollection of the past conversation unless it is explicitly included in the input prompt. LÄS MER
2. Interaction-Aware Vehicle Trajectory Prediction via Attention Mechanism and Beyond
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : With the development of autonomous driving technology, vehicle trajectory prediction has become a hot topic in the intelligent traffic area. However, complex road conditions may bring multiple challenges to the vehicle trajectory prediction model. LÄS MER
3. Meningsrepetition hos 7-11 åriga barn i jämförelse med bredd i expressivt ordförråd
Uppsats för yrkesexamina på avancerad nivå, Umeå universitet/LogopediSammanfattning : Bakgrund Meningsrepetitionsuppgifter har använts i flera studier som mått på exempelvis verbalt korttidsminne, den episodiska bufferten och språklig förmåga. Hur meningsrepetition relaterar till språkliga förmågor har undersökts i flera studier, varav enstaka har undersökt relationen till expressivt ordförråd. LÄS MER
4. Spelifiering och dess effekt på korttidsminnet : Kan spelifiering inom undervisningsverktyget Kahoot ha en positiv påverkan på korttidsminnet?
Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : Spelifiering är ett relativt nytt koncept och per definition är det använding av speldesign i icke-relaterade spelkontexter. Denna studie undersöker om spelifieringselement som poängsystem och listor inom undervisningsplattformen Kahoot kan ha en positiv påverkan på korttidsminnet. LÄS MER
5. A deep learning based anomaly detection pipeline for battery fleets
Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)Sammanfattning : This thesis proposes a deep learning anomaly detection pipeline to detect possible anomalies during the operation of a fleet of batteries and presents its development and evaluation. The pipeline employs sensors that connect to each battery in the fleet to remotely collect real-time measurements of their operating characteristics, such as voltage, current, and temperature. LÄS MER