Prototypbaserad Inkrementell Diagnos. Anders Holst SICS, Swedish Institute of Computer Science AB

Storlek: px
Starta visningen från sidan:

Download "Prototypbaserad Inkrementell Diagnos. Anders Holst SICS, Swedish Institute of Computer Science AB"

Transkript

1 Prototypbaserad Inkrementell Diagnos Anders Holst SICS, Swedish Institute of Computer Science AB

2 Metoder för Industriell Diagnos Datadrivna metoder Träna in en mappning från symptom till diagnoser. Kräver stora mängder träningsdata. Neuronnät Case based reasoning Support-vektor maskiner Kunskapsdrivna metoder En expert konstruerar regler eller modeller för diagnos. Kräver stora insatser från domänexperter. Expert-system Beslutsträd / Beslutsregler Model-baserad diagnos Statistiska metoder Baseras ofta på att med Bayes regel uttrycka sannolikheten för en diagnos givet symptomen, i symptomen givet diagnosen. Kan baserar anitingen på verkliga data eller domän-kunskap. Naive Bayesian classifier Belief networks Hierarkiska Graf-Mixturer

3 Prototypbaserad Inkrementell Diagnos Frågegenerering Diagnosmodell Kunskapsbas

4 Kunskapsbas Kunskap om fel representeras som Felmods-prototyper, syntetiska beskrivningar av hur olika fel yttrar sig. En naturlig och enkel representation med flera fördelar: Att skapa prototyper kräver viss domänkunskap, men betydligt mindre expertinsatser än traditionella expertsystem. En prototyp-databas är betydligt enklare och billigare att underhålla än traditionella system. Riktiga fallbeskrivningar kan också beaktas systemet börjar funka direkt innan några fel inträffat men blir dessutom bättre med tiden. Prototyper kan ofta skapas genom att konvertera befintliga kunskapsdatabaser (som beslutsträd eller beslutsregler).

5 Kunskapsbas

6 Diagnosmodell Diagnosmodellen är en statistisk modell, baserad på en kombination av Naiva Bayes, Mixtur-modeller, och Bayesiansk statistik.

7 Diagnosmodell Diagnosmodellen är en statistisk modell, baserad på en kombination av Naiva Bayes, Mixtur-modeller, och Bayesiansk statistik. Önskas Finns P(y x) j P(x y ) j

8 Diagnosmodell Diagnosmodellen är en statistisk modell, baserad på en kombination av Naiva Bayes, Mixtur-modeller, och Bayesiansk statistik. Önskas Finns P(y j x) P(y j ) P(x y j ) Bayes regel för betingade sannolikheter

9 Diagnosmodell Diagnosmodellen är en statistisk modell, baserad på en kombination av Naiva Bayes, Mixtur-modeller, och Bayesiansk statistik. P(y j x) P(y j ) P(x y j ) = P(y j ) Σ k c j Π i P(x i y j )

10 Diagnosmodell Fördelar: Diagnosmodellen kan tränas antingen från syntetiska prototyper eller verkliga data. Fungerar redan med mycket få och glesa data. Robust mot brus och felaktiga indata. Kan hantera saknad information - beräknar sannolikheten för olika diagnoser givet de symtom man känner till.

11 Frågegenerering Inkrementell diagnos: Systemet frågar efter ett symptom i taget, för att komma fram till en diagnos så snabbt som möjligt. Använder diagnosmodellen för att beräkna sannolikheter. Informationsteoretisk metod: Väljer den fråga som minskar entropin i sannolikheterna för diagnoserna så mycket som möjligt.

12 Frågegenerering Fördelar: Liknar ett beslutsträd, men betydligt mer flexibelt: Man kan svara vet inte ; man kan mata in andra symptom istället för de efterfrågade; och man kan ändra sig i efterhand. Systemet är robust mot viss andel felaktiga svar. Systemet kan visa vilka symptom som bidrog mest till en diagnos. Systemet kan upptäcka svar som talar emot varandra, vilket kan indikera misstag i svaren som då kan rättas.

13 Metodik kunskapshantering Komponenter Åtgärder Felmoder Symptom

14 Demo Kunskapshantering

15 Demo Kunskapshantering

16 Demo Kunskapshantering

17 Demo Kunskapshantering

18 Demo Diagnossystem

19 Demo Diagnossystem

20 Demo Diagnossystem

21 Demo Diagnossystem

22 Demo Diagnossystem

23 Demo Diagnossystem

24 Demo Diagnossystem

25 Sammanfattning Prototyperna är ett naturligt sätt att lagra diagnosinformation, och de är lättare att skapa och underhålla än många andra kunskapsrepresentationer. Den statistiska diagnosmodellen är både tolerantare mot brus och fel än logiska modeller, och kräver mindre träningsdata än traditionella datadrivna metoder. Fråge-genereringen är mer flexibel än ett beslutsträd, eftersom man kan svara vet inte eller på andra symptom än de efterfrågade. Vi har verktygen för att ställa diagnoser och för att underhålla prototypdatabasen.

Anna: Bertil: Cecilia:

Anna: Bertil: Cecilia: Marco Kuhlmann 1 Osäkerhet 1.01 1.02 1.03 1.04 1.05 Intelligenta agenter måste kunna hantera osäkerhet. Världen är endast delvist observerbar och stokastisk. (Jmf. Russell och Norvig, 2014, avsnitt 2.3.2.)

Läs mer

Probabilistisk logik 2

Probabilistisk logik 2 729G43 Artificiell intelligens / 2016 Probabilistisk logik 2 Marco Kuhlmann Institutionen för datavetenskap Översikt Probabilistiska modeller Probabilistisk inferens 1: Betingad sannolikhet Probabilistisk

Läs mer

Artificiell Intelligens Lektion 7

Artificiell Intelligens Lektion 7 Laboration 6 Artificiell Intelligens Lektion 7 Neurala nätverk (Lab 6) Probabilistiska resonemang Vad? Mönsterigenkänning Lära ett neuralt nätverk att känna igen siffror Varför? Få ökad förståelse för

Läs mer

Datorrepresentation av vårdriktlinjer

Datorrepresentation av vårdriktlinjer Datorrepresentation av vårdriktlinjer Innehåll Introduktion/bakgrund Behov Uppdateringsproblem Metoder PROforma Asgaard/Arbru Arden Praktiska implementeringar Hypertoni-behandling Guidelines/vårdriktlinjer

Läs mer

Elektronisk patientjournal

Elektronisk patientjournal Elektronisk patientjournal Hippokrates Typer Tidsorienterad, problemorienterad samt källorienterad Varför? Stödja vården, legala skäl, forskning, utbildning. Data måste vara otvetydiga, strukturerade,

Läs mer

Artificiell Intelligens

Artificiell Intelligens Omtentamen Artificiell Intelligens Datum: 2014-02-20 Tid: 14.00 18.00 Ansvarig: Resultat: Hjälpmedel: Gränser: Anders Gidenstam Redovisas inom tre veckor Inga G 8p, VG 12p, Max 16p Notera: Skriv läsbart!

Läs mer

Asymptotisk analys innebär att... man försöker uppskatta vad som händer för stora indatamängder.

Asymptotisk analys innebär att... man försöker uppskatta vad som händer för stora indatamängder. OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad för att man skall

Läs mer

Bayes statistik - utan förkunskaper - utan tårar

Bayes statistik - utan förkunskaper - utan tårar Bayes statistik - utan förkunskaper - utan tårar Lars Olsson Geostatistik AB 14-11-21 Bayes 1 1 Webbinariekurs Introduktionskurs för geotekniker Webbinarium 1. Fredagen den 21 nov 2014 kl 15:00 15:30 Vad

Läs mer

Industriell ekonomi åk 2 VT15. Inriktningen Systemteknik

Industriell ekonomi åk 2 VT15. Inriktningen Systemteknik Industriell ekonomi åk 2 VT15 Inriktningen Systemteknik Systemteknik: Du lär dig hantera modern teknik och hur man sätter samman den till välfungerande system. Svenska företag är bra på att utnyttja systemtekniskt

Läs mer

Automatisk Sentimentklassificering av Twitter-inlägg

Automatisk Sentimentklassificering av Twitter-inlägg [TYPE THE COMPANY NAME] Automatisk Sentimentklassificering av Twitter-inlägg Språkteknologi DD2418 Binxin Su, Christian Davilém 1/8/2013 [Type the abstract of the document here. The abstract is typically

Läs mer

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss?

1.5 Vad är sannolikheten för att ett slumpvis draget spelkort ska vara femma eller lägre eller knekt, dam, kung eller äss? 1 ÖVNINGAR I INDUKTIV LOGIK 1.1 En tärning kastas. Ange sannolikheten för att antalet ögon är a) 3 b) inte 3 c) 3 eller 5 d) jämnt e) mindre än 4 f) jämnt och mindre än 4 g) jämnt eller mindre än 4 h)

Läs mer

de var svåra att implementera och var väldigt ineffektiva.

de var svåra att implementera och var väldigt ineffektiva. OBS! För flervalsfrågorna gäller att flera alternativ eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad. Totalt kan

Läs mer

Taltaggning. Rapport av Daniel Hasselrot 781105-0157, d98-dha@nada.kth.se 13 oktober 2003

Taltaggning. Rapport av Daniel Hasselrot 781105-0157, d98-dha@nada.kth.se 13 oktober 2003 Taltaggning av Daniel Hasselrot 781105-0157, d98-dha@nada.kth.se 13 oktober 2003 Sammanfattning Denna rapport är skriven i kursen Språkteknologi och behandlar taggning av årtal i en text. Metoden som används

Läs mer

Matematik åk 9. Lärarinstruktion Digital diagnos Matematik Åk 9

Matematik åk 9. Lärarinstruktion Digital diagnos Matematik Åk 9 träning Insikt Lärarinstruktion Digital diagnos Matematik Åk 9 1 Till läraren Diagnosen Pejlo Insikt för åk 9 är framtagen för att ge dig som lärare överblick över dina elevers kunskaper i matematik. Diagnosen

Läs mer

Föreläsning 3: Osäkerhet och sannolikhet

Föreläsning 3: Osäkerhet och sannolikhet Föreläsning 3: Osäkerhet och sannolikhet Litteratur: Hansson, Introduction to Decision Theory, kap 8 (Även kap 6 är relevant) Resnik, Choices, kap 3 *Galavotti, Philosophical Introduction to Probability,

Läs mer

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, OCH ÖVNING 2, SAMT INFÖR ÖVNING 3

BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, OCH ÖVNING 2, SAMT INFÖR ÖVNING 3 LUNDS UNIVERSITET, MATEMATIKCENTRUM, MATEMATISK STATISTIK BIOSTATISTISK GRUNDKURS, MASB11, VT-16, VT2 ÖVNING 1, 2016-04-01 OCH ÖVNING 2, 2016-04-04 SAMT INFÖR ÖVNING 3 Övningarnas mål: Du ska förstå grundläggande

Läs mer

SF1901: Övningshäfte

SF1901: Övningshäfte SF1901: Övningshäfte 5 september 2013 Uppgifterna under rubriken Övning kommer att gås igenom under övningstillfällena. Uppgifterna under rubriken Hemtal är starkt rekommenderade och motsvarar nivån på

Läs mer

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH GRUNDLÄGGANDE SANNOLIKHETSTEORI, STATISTIK BETINGADE SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGADE SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 30 augusti, 2016 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket

Läs mer

Artificial Intelligence

Artificial Intelligence Omtentamen Artificial Intelligence Datum: 2014-08-27 Tid: 09.00 13.00 Ansvarig: Resultat: Hjälpmedel: Gränser: Anders Gidenstam Redovisas inom tre veckor Inga G 8p, VG 12p, Max 16p Notera: Skriv läsbart!

Läs mer

FUNK-IS. Funktionshöjande teknik för inbyggda system med tillämpning inom avancerade medicinska processer. Kristina Groth, projektledare KTH, CSC

FUNK-IS. Funktionshöjande teknik för inbyggda system med tillämpning inom avancerade medicinska processer. Kristina Groth, projektledare KTH, CSC FUNK-IS Funktionshöjande teknik för inbyggda system med tillämpning inom avancerade medicinska processer Kristina Groth, projektledare KTH, CSC FOKUS I PROJEKTET Kombinera och utveckla avancerade perceptualiserings-

Läs mer

1(15) Bilaga 1. Av Projekt Neuronnätverk, ABB Industrigymnasium, Västerås Vt-05

1(15) Bilaga 1. Av Projekt Neuronnätverk, ABB Industrigymnasium, Västerås Vt-05 1(15) Bilaga 1 2(15) Neuronnätslaboration Räknare Denna laboration riktar sig till gymnasieelever som går en teknisk utbildning och som helst har läst digitalteknik samt någon form av styrteknik eller

Läs mer

Artificiell intelligens

Artificiell intelligens 2013-08-13 Introduktion Artificiell intelligens Vad är AI? Olika mål Intelligenta agenter Områden inom AI Arne Jönsson HCS/IA Vad är AI? Intelligens: Förmågan till tänkande och analys (Svenska ORboken)

Läs mer

Framtidens Järnvägsunderhåll Att vandra genom dödens dal

Framtidens Järnvägsunderhåll Att vandra genom dödens dal Framtidens Järnvägsunderhåll Att vandra genom dödens dal P-O Larsson-Kråik Trafikverket Pålitliga järnvägar genom smart teknik och samverkan 2 år vad finns på plats idag? 47 förslag till förbättringar

Läs mer

Föreläsning G70, 732G01 Statistik A

Föreläsning G70, 732G01 Statistik A Föreläsning 3 732G70, 732G01 Statistik A Introduktion till sannolikhetslära Sannolikhetslära: område inom statistiken där vi studerar experiment vars utfall beror av slumpen Sannolikhet: numeriskt värde

Läs mer

Winternet Ett svenskt inititativ för avancerad Internetforskning. Grand Finale workshop IVA, Stockholm 18 augusti 2005

Winternet Ett svenskt inititativ för avancerad Internetforskning. Grand Finale workshop IVA, Stockholm 18 augusti 2005 Winternet Ett svenskt inititativ för avancerad Internetforskning Grand Finale workshop IVA, Stockholm 18 augusti 2005 Kombination av: Presentationer Demonstrationer Posters Grand finale workshop Med middag

Läs mer

Tillgänglighet och Resursutnyttjande. Öppen konferens 2:a dec 2009. påinitiativ av.

Tillgänglighet och Resursutnyttjande. Öppen konferens 2:a dec 2009. påinitiativ av. Tillgänglighet och Resursutnyttjande Öppen konferens 2:a dec 2009 påinitiativ av. Öka medvetandet om.. Syfte potentialen att förbättra konkurrenskraften de tekniska möjligheterna genom mer fokus på Tillgänglighet

Läs mer

Att använda Weka för språkteknologiska problem

Att använda Weka för språkteknologiska problem Att använda Weka för språkteknologiska problem Systemet WEKA (Waikato Environment for Knowledge Acquisition) är en verktygslåda med olika maskininlärningsalgoritmer, metoder för att behandla indata, möjligheter

Läs mer

SRS bedömningsstöd prediktion av sjukskrivning

SRS bedömningsstöd prediktion av sjukskrivning SRS bedömningsstöd prediktion av sjukskrivning Lena Severin Jussi Karlgren Alla människor har rätt till en individuell bedömning inför en sjukskrivning. Med ett bedömningsstöd baserat på kunskap blir läkarens

Läs mer

BAYESIANSKA NÄTVERK OCH EXPERTSYSTEM I PRAKTIKEN

BAYESIANSKA NÄTVERK OCH EXPERTSYSTEM I PRAKTIKEN BAYESIANSKA NÄTVERK OCH EXPERTSYSTEM I PRAKTIKEN Då, nu, för alltid? 729G43 EMMA JONSSON 2017 Abstract How useful are Bayesian networks as expert systems, and more importantly, are they outdated in comparison

Läs mer

IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd

IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd 1 IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd Scania CV, Linköpings universitet, Stockholms universitet Jonas Biteus, Scania CV Vehicle Service Information Projektstart: 2012 Projektavslut:

Läs mer

Föreläsning 3 Användare, uppgift och omgivning. Kapitel 3-4 i Stone et al.

Föreläsning 3 Användare, uppgift och omgivning. Kapitel 3-4 i Stone et al. Föreläsning 3 Användare, uppgift och omgivning Kapitel 3-4 i Stone et al. Från föregående föreläsning Kravinsamling med användare i fokus genom Observationer i verkliga situationer Konstruera uppgifter

Läs mer

Cybersäkerhet några utmaningar. Teodor Sommestad, Doktor, Förste forskare Informationssäkerhet & IT-arkitektur Linköping

Cybersäkerhet några utmaningar. Teodor Sommestad, Doktor, Förste forskare Informationssäkerhet & IT-arkitektur Linköping Cybersäkerhet några utmaningar Teodor Sommestad, Doktor, Förste forskare Informationssäkerhet & IT-arkitektur Linköping Cybersäkerhet: En omogen disciplin Empirisk data är ovanligt, observationer i det

Läs mer

Fallbaserat resonerande

Fallbaserat resonerande Linköpings Universitet Fallbaserat resonerande Klassifikation av signaler från smarta sensorer Kristina Svahnström 2016-01-08 Innehållsförteckning Inledning... 1 Fallbaserat resonerande... 1 Tillämpning...

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 13 november 2004, kl. 09.00-13.00

Tentamen i Statistik, STA A13 Deltentamen 1, 4p 13 november 2004, kl. 09.00-13.00 Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A Deltentamen, 4p november 004, kl. 09.00-.00 Tillåtna hjälpmedel: Bifogad formel- och

Läs mer

Utlysning 1 Industriförankrade utvecklingsprojekt

Utlysning 1 Industriförankrade utvecklingsprojekt Utlysning 1 Industriförankrade utvecklingsprojekt 2014-01-18 www.lighterarena.se 1 Lättvikt stärker svensk konkurrenskraft Utlysning inom SIO LIGHTer 30/1-31/3 2014 Utlysningstexten är ett utkast ej för

Läs mer

Biostatistikutbildning vid Universiteten i Uppsala och Stockholm 2002

Biostatistikutbildning vid Universiteten i Uppsala och Stockholm 2002 Innehållsförteckning Biostatistikutbildning vid Universiteten i Uppsala och Stockholm 2002 Vad är biostatistik? Arbetsmarknad Forskarutbildning i biostatistik Biostatistikprogrammet Planerat kursschema

Läs mer

Hur förebygga psykisk ohälsa på arbetsplatsen. Hur kan samarbete mellan arbetsgivare och företagshälsa ge bättre förhållanden

Hur förebygga psykisk ohälsa på arbetsplatsen. Hur kan samarbete mellan arbetsgivare och företagshälsa ge bättre förhållanden Hur förebygga psykisk ohälsa på arbetsplatsen. Hur kan samarbete mellan arbetsgivare och företagshälsa ge bättre förhållanden Irene Jensen Professor och enhetschef Gunnar Bergström Docent Enheten för interventions-

Läs mer

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse

Utfall, Utfallsrummet, Händelse. Sannolikhet och statistik. Utfall, Utfallsrummet, Händelse. Utfall, Utfallsrummet, Händelse Utfall, Utfallsrummet, Händelse Sannolikhet och statistik Sannolikhetsteorins grunder HT 2008 Uwe.Menzel@math.uu.se http://www.math.uu.se/ uwe/ Denition 2.1 Resultatet av ett slumpmässigt försök kallas

Läs mer

FÅ FRAM INDATA. När inga data finns!? Beslutsfattarens dilemma är att det är svårt att spå! Särskilt om framtiden!

FÅ FRAM INDATA. När inga data finns!? Beslutsfattarens dilemma är att det är svårt att spå! Särskilt om framtiden! FÅ FRAM INDATA När inga data finns!? Beslutsfattarens dilemma är att det är svårt att spå! Särskilt om framtiden! (Falstaff Fakir) Svårigheter att få fram bra information - en liten konversation Ge mig

Läs mer

Matematik och statistik

Matematik och statistik och statistik ens betydelse inom olika vetenskapsgrenar har på ett avgörande sätt ökat sedan början av förra århundradet. De facto är vetenskapernas "matematisering" ett av vår tidsålders, den tekniskvetenskapliga

Läs mer

2015-03-21 Charlotta Törneling. Abstract reasoning. Urvalsförfarande 2015 Handläggare (generalister) och revisorer

2015-03-21 Charlotta Törneling. Abstract reasoning. Urvalsförfarande 2015 Handläggare (generalister) och revisorer 2015-03-21 Charlotta Törneling Abstract reasoning Urvalsförfarande 2015 Handläggare (generalister) och revisorer Logiskt tänkande Test för objektiv bedömning av din förmåga att se och förstå samband mellan

Läs mer

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P.

F6 STOKASTISKA VARIABLER (NCT ) Används som modell i situation av följande slag: Slh för A är densamma varje gång, P(A) = P. Stat. teori gk, ht 2006, JW F6 STOKASTISKA VARIABLER (NCT 5.4-5.6) Binomialfördelningen Används som modell i situation av följande slag: Ett slumpförsök upprepas n gånger (oberoende upprepningar). Varje

Läs mer

Den svenska vården tillgänglighet och jämlikhet i internationell jämförelse. Carl Grufman, Anders Morin, David Sundblad November 2005

Den svenska vården tillgänglighet och jämlikhet i internationell jämförelse. Carl Grufman, Anders Morin, David Sundblad November 2005 Den svenska vården tillgänglighet och jämlikhet i internationell jämförelse Carl Grufman, Anders Morin, David Sundblad November 2005 Innehåll Sammanfattning... 2 1. Inledning... 4 2. JÄMFÖRELSE AVSEENDE

Läs mer

Nr 1 (10p) a) En affär har två kylskåp i lager när den öppnar måndag morgon. Ytterligare skåp kan inte erhållas förrän på onsdagen.

Nr 1 (10p) a) En affär har två kylskåp i lager när den öppnar måndag morgon. Ytterligare skåp kan inte erhållas förrän på onsdagen. Nr 1 (10p) a) En affär har två kylskåp i lager när den öppnar måndag morgon. Ytterligare skåp kan inte erhållas förrän på onsdagen. Sannolikheten att man efterfrågar 0, 1, 2 skåp på måndagen är respektive

Läs mer

Människor med funktionshinder i Västra Götaland

Människor med funktionshinder i Västra Götaland Människor med funktionshinder i Västra Götaland Inventering av målgrupper Kortversion 2000 Regionens Hus, 462 80 Vänersborg Tel: 0521-27 52 30 Fax 0521 27 52 57 Texttel: 0521-27 50 90 Inledning I denna

Läs mer

Satsen om total sannolikhet och Bayes sats

Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet och Bayes sats Satsen om total sannolikhet Ibland är det svårt att direkt räkna ut en sannolikhet pga att händelsen är komplicerad/komplex. Då kan man ofta använda satsen om

Läs mer

NBF FM metod att skapa ett flexibelt insatsförsvar

NBF FM metod att skapa ett flexibelt insatsförsvar Precisions insatser Överlägsen lägesuppfattning NBF FM metod att skapa ett flexibelt insatsförsvar Interoperabilitet Ledningsöverläge Kompetent personal Situationsanpassade enheter Kontinuerlig och snabb

Läs mer

TMS136. Föreläsning 2

TMS136. Föreläsning 2 TMS136 Föreläsning 2 Sannolikheter För en händelse E skriver vi sannolikheten att E inträffar som P(E) För en händelse E skriver vi sannolikheten att E inte inträffar som P(E ) Exempel Låt E vara händelsen

Läs mer

Linköpings universitet Artificiell Intelligens II 729G11 HT Maskinöversättning. med hjälp av statistik. Erik Karlsson

Linköpings universitet Artificiell Intelligens II 729G11 HT Maskinöversättning. med hjälp av statistik. Erik Karlsson Maskinöversättning med hjälp av statistik Erik Karlsson erika669@student.liu.se Innehåll Inledning... 1 Bakgrund och historia... 2 Historia... 2 Klassiska designer... 2 Direkt översättning... 2 Interlingua...

Läs mer

Medicinskt Beslutsstödssystem. Innehållsförteckning. IT-stöd inom vården

Medicinskt Beslutsstödssystem. Innehållsförteckning. IT-stöd inom vården edicinskt Beslutsstödssystem Innehållsförteckning Vad är ett medicinskt beslutsstödssystem? (Typ, Varför?, Karakterisering, Orsak till begränsad framgång, Krav) Hur utvecklar man ett medicinskt beslutsstödssystem?

Läs mer

Frågor och svar till tentamen i Kravhantering. Del 2. Kravhantering (ETS170), LTH Grupp B

Frågor och svar till tentamen i Kravhantering. Del 2. Kravhantering (ETS170), LTH Grupp B Frågor och svar till tentamen i Kravhantering Del 2 Frågor & svar 1 Kvalitet (2p) Det finns generellt accepterade definitioner av vad som återspeglar en bra kravspecifikation. I boken tas ett antal kvalitetskriterier

Läs mer

Wearable sensors in smart textiles

Wearable sensors in smart textiles THE SAHLGRENSKA ACADEMY Wearable sensors in smart textiles Margit Alt Murphy PhD, postdoc Institute of Neuroscience and Physiology Sahlgrenska Academy Gothenburg University Bärbara sensorer vid utredning

Läs mer

Participatory Design III

Participatory Design III Participatory Design III Participatory Design & Språkmönster Vecka 3 Summering av förra veckan Participatory Design Utgår från artikelseminariet Framtidsverkstad Språkmönster Binda ihop SUMMERING AV VECKA

Läs mer

Tillämpad Matematik III Övningar i Statistik

Tillämpad Matematik III Övningar i Statistik Tillämpad Matematik III Övningar i Statistik (Med reservation för eventuella tryckfel.) Kap. Grundläggande sannolikhetsteori.. Drag utan återlägg gör att det nns 4 = (= m) möjliga och lika troliga utfall

Läs mer

Analytisk felsökning och rotorsaksanalys 3 dagar

Analytisk felsökning och rotorsaksanalys 3 dagar Analytisk felsökning och rotorsaksanalys 3 dagar Nercia - en värld av relationer, kompetens och massor med inspiration! Nercia har utbildat människor, och bidragit till kompetensutveckling i en mängd organisationer,

Läs mer

KOGNUS IDÉ. Diagnoser bereder väg för behandling. Kategorier eller individer?

KOGNUS IDÉ. Diagnoser bereder väg för behandling. Kategorier eller individer? KOGNUS IDÉ med Biopsykosocialt Bemötande menar vi förståelse för att: psykisk sjukdom och funktionsnedsättning främst har en biologisk grund psykisk sjukdom och funktionsnedsättning alltid får sociala

Läs mer

Maskininlärning. Regler eller ML?

Maskininlärning. Regler eller ML? Maskininlärning Field of study that gives computers the ability to learn without being explicitly programmed (Samuel, 1959) DD2418 Språkteknologi, Johan Boye Regler eller ML? System som bygger på handskrivna

Läs mer

Professionell masterutbildning i programvaruteknik

Professionell masterutbildning i programvaruteknik Professionell masterutbildning i programvaruteknik Mälardalens högskola Blekinge Tekniska Högskola Chalmers Tekniska Högskola & Göteborgs Universitet Swedish Institute of Computer Science Swedsoft i samarbete

Läs mer

F5 Introduktion till digitalteknik

F5 Introduktion till digitalteknik George Boole och paraplyet F5 Introduktion till digitalteknik EDAA05 Roger Henriksson Jonas Wisbrant p = b! (s " r) George Boole (1815-1864) Professor i Matematik, Queens College, Cork, Irland 2 Exklusiv

Läs mer

Mer om slumpvariabler

Mer om slumpvariabler 1/20 Mer om slumpvariabler Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 4/2 2013 2/20 Dagens föreläsning Diskreta slumpvariabler Vilket kretskort ska man välja? Väntevärde

Läs mer

Stolpdiagram Genomförande Uppföljning

Stolpdiagram Genomförande Uppföljning Diagram DIAGNOS STd Stolpdiagram Diagnosen omfattar fyra uppgifter som ger eleverna möjligheter att visa att de kan tolka stolpdiagram och konstruera stolpdiagram utgående från en frekvenstabell. Uppgifterna

Läs mer

Idag. Prototyper och användbarhetsutvärdering. Vad prototyper prototypar. Olika sorters prototyper. Del 2 Prototyper Utvärdering Analytisk Empirisk

Idag. Prototyper och användbarhetsutvärdering. Vad prototyper prototypar. Olika sorters prototyper. Del 2 Prototyper Utvärdering Analytisk Empirisk Idag Prototyper och användbarhetsutvärdering Del 2 Prototyper Utvärdering Analytisk Empirisk Prototyper: en fråga om syfte och mottagare Vad prototyper prototypar Kommunikation Med sig själv för att driva

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

Lärare i kursen. TSFS06 Diagnos och övervakning, 6hp Föreläsning 1 - Kursformalia och introduktion. Denna föreläsning - disposition.

Lärare i kursen. TSFS06 Diagnos och övervakning, 6hp Föreläsning 1 - Kursformalia och introduktion. Denna föreläsning - disposition. Lärare i kursen TSFS06 Diagnos och övervakning, 6hp Föreläsning 1 - Kursformalia och introduktion Erik Frisk Institutionen för systemteknik Linköpings universitet frisk@isy.liu.se Kursansvarig: Erik Frisk

Läs mer

Bayes metod att hantera osäkerhet Stefan Arnborg, KTH. Antiken Renässansen Nittonhundratalet Framtiden

Bayes metod att hantera osäkerhet Stefan Arnborg, KTH. Antiken Renässansen Nittonhundratalet Framtiden Bayes metod att hantera osäkerhet Stefan Arnborg, KTH Antiken Renässansen Nittonhundratalet Framtiden Att räkna med osäkerhet. Datorutvecklingen har mycket handlat om hur datorer ska räkna säkert och tillförlitligt.

Läs mer

Säkerhet bygger man in, man skruvar inte dit den efteråt - eller?

Säkerhet bygger man in, man skruvar inte dit den efteråt - eller? Säkerhet bygger man in, man skruvar inte dit den efteråt - eller? Sveriges IT-Incidentcentrum levererar konkurrensneutral ITsäkerhet för offentlig sektor och näringsliv stefan.b.grinneby@sitic.se Kort

Läs mer

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog

Kolmogorovs Axiomsystem Kolmogorovs Axiomsystem Varje händelse A tilldelas ett tal : slh att A inträar Sannolikheten måste uppfylla vissa krav: Kolmog Slumpvariabel (Stokastisk variabel) Resultat av ett slumpförsök - utgången kann inte kontrolleras Sannolikhet och statistik Sannolikhetsteorins grunder VT 2009 Resultatet kan inte förutspås, men vi vet

Läs mer

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014).

Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). UPPSALA UNIVERSITET Matematik för språkteknologer (5LN445) Institutionen för lingvistik och filologi VT 2014 (Marco Kuhlmann 2013, tillägg och redaktion Mats Dahllöf 2014). 9 Sannolikhet Detta kapitel

Läs mer

Statistisk analys av komplexa data

Statistisk analys av komplexa data Statistisk analys av komplexa data Trunkerade data och Tobitregression Bertil Wegmann Avdelning statistik, IDA, Linköpings universitet November 10, 2015 Bertil Wegmann (statistik, LiU) Trunkerade data

Läs mer

Vad är risk? Exempel misslyckande. Olika synsätt och möjligheter för undersökning och efterbehandling. Vad är riskbaserad beslutsanalys?

Vad är risk? Exempel misslyckande. Olika synsätt och möjligheter för undersökning och efterbehandling. Vad är riskbaserad beslutsanalys? Riskbaserad beslutsanalys vid undersökningar och efterbehandling Lars Rosén Olika synsätt och möjligheter för undersökning och efterbehandling Säkerhetsnivå (UCLM 95 )? Kostnadseffektivitet t ex bästa

Läs mer

Medicinsk Informatik VT 2002

Medicinsk Informatik VT 2002 Definition Medicinsk Informatik VT 2002 Introduktion till Medicinsk Informatik Medicinsk informatik omfattar utveckling och tillämpning av IT-baserade metoder för insamling, representation, bearbetning,

Läs mer

& report. Disclaimer. Att söka sanningen Om kunskapsstyrning och gränsarbete i systematiska litteraturöversikter Författare: Francis Lee

& report. Disclaimer. Att söka sanningen Om kunskapsstyrning och gränsarbete i systematiska litteraturöversikter Författare: Francis Lee ATT SÖKA SANNINGEN & 3 & report Leading Health Care nr 7 2012 Att söka sanningen Om kunskapsstyrning och gränsarbete i systematiska litteraturöversikter Författare: Francis Lee Vad kan vi lära av att studera

Läs mer

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko.

SF1901: SANNOLIKHETSTEORI OCH STATISTIK GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE. Tatjana Pavlenko. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 2 GRUNDLÄGGANDE SANNOLIKHETSTEORI, BETINGAD SANNOLIKHETER, OBEROENDE HÄNDELSER Tatjana Pavlenko 26 mars, 2015 SANNOLIKHETSGRUNDER (REPETITION) Slumpförsöket

Läs mer

Olika syften. TDDD60 användbarhetstest. När passar vilken typ? Med eller utan användare

Olika syften. TDDD60 användbarhetstest. När passar vilken typ? Med eller utan användare TDDD60 användbarhetstest Olika syften Olika typer av metoder Mått på användbarhet/kravuppfyllelse Olika syften Hitta användbarhetsproblem för att förbättra (mål: åtgärda problem, förbättra produkten) Formativ

Läs mer

GÖR ETT NYTT KLOKT VAL I SOMMAR!

GÖR ETT NYTT KLOKT VAL I SOMMAR! GÖR ETT NYTT KLOKT VAL I SOMMAR! Sjö&Hav låter dig uppleva naturen fullt ut, utan att lämna några spår. Det gäller också vårt mygg- och fästingmedel. En testvinnare som är fri från DEET, snällare och bättre

Läs mer

Artificiella Neuronnät

Artificiella Neuronnät Artificiella Neuronnät 2 3 4 2 (ANN) Inspirerade av hur nervsystemet fungerar Parallell bearbetning Vi begränsar oss här till en typ av ANN: Framåtkopplade nät med lagerstruktur 3 4 Fungerar i princip

Läs mer

Kursinformation. Metodik för programvaruutveckling. Utvecklingsprocessen för programvara. Innehåll. Processmodell. Exempel

Kursinformation. Metodik för programvaruutveckling. Utvecklingsprocessen för programvara. Innehåll. Processmodell. Exempel Kursinformation Metodik för programvaruutveckling Föreläsning 3 Latex ok för litteraturstudierapport (prata med mig bara) Nästa föreläsning är av Björn Regnell (jag är med också) Presentationer imorgon

Läs mer

EUROPAPARLAMENTET. Utskottet för rättsliga frågor och den inre marknaden. Förslag till direktiv (KOM(2003) 418 C5-0320/2003 2003/0153(COD))

EUROPAPARLAMENTET. Utskottet för rättsliga frågor och den inre marknaden. Förslag till direktiv (KOM(2003) 418 C5-0320/2003 2003/0153(COD)) EUROPAPARLAMENTET 1999 2004 Utskottet för rättsliga frågor och den inre marknaden 17 december 2003 PE 332.596/25-34 ÄNDRINGSFÖRSLAG 25-34 Förslag till betänkande (PE 332.596) Giuseppe Gargani Typgodkännande

Läs mer

Programvaruteknik, hp

Programvaruteknik, hp 1 (6) Utbildningsplan för: Programvaruteknik, 120-180 hp Software Engineering, 120-180 Credits Allmänna data om programmet Programkod Tillträdesnivå Diarienummer TPVAG Grundnivå MIUN 2010/1734 Högskolepoäng

Läs mer

Vad säger WCAG om kognition?

Vad säger WCAG om kognition? Vad säger WCAG om kognition? Stefan Johansson och Anita Hildén stefan.johansson@funkanu.se leknyttan@gmail.com Så här säger W3C-konsortiet: Web Content Accessibility Guidelines (WCAG) 2.0 innehåller ett

Läs mer

Virtuella Patienter (VP) för lärandet Elenita Forsberg

Virtuella Patienter (VP) för lärandet Elenita Forsberg Virtuella Patienter (VP) för lärandet Elenita Forsberg Sektionen för Hälsa och Samhälle, Högskolan i Halmstad Inst. CLINTEC, Karolinska Institutet, Stockholm Presentation VP system, Web-SP http://websp.dsv.su.se:8180/websp/

Läs mer

KURSER I STOCKHOLM. Hösten 2010

KURSER I STOCKHOLM. Hösten 2010 KURSER I STOCKHOLM Hösten 2010 Välkommen till Move & Walk Assistans utbildningar! Vi på Move & Walk Assistans vill att du som anställd ska kunna utvecklas i din yrkesroll. Vi värnar därför om den personliga

Läs mer

TAMS65 - Föreläsning 6 Hypotesprövning

TAMS65 - Föreläsning 6 Hypotesprövning TAMS65 - Föreläsning 6 Hypotesprövning Martin Singull Matematisk statistik Matematiska institutionen Innehåll Exempel Allmän beskrivning P-värde Binomialfördelning Normalapproximation TAMS65 - Fö6 1/33

Läs mer

Styrsystemlösningar. Katalog nr PDE2523SLSE-ca

Styrsystemlösningar. Katalog nr PDE2523SLSE-ca Styrsystemlösningar Katalog nr PDE2523SLSE-ca Vem erbjuder den effektivaste lösningen? SPECIFIKATIONER Uppbyggnad på platsen STEG 1 Kretskonstruktion STEG 6 Mekanisk konstruktion STEG 3 Specificera komponenterna

Läs mer

Interaktiv undervisning

Interaktiv undervisning Interaktiv undervisning Effektivare inlärningsmiljö genom små förändringar Magnus Gustafsson Institutionen för kemi 16 december, 2008 Magnus Gustafsson (Kemi, GU) Interaktiv undervisning 1 / 17 Magnus

Läs mer

Kravfångst Bra kravarbete handlar om att ställa rätt frågor och att ge rätt svar i rätt form

Kravfångst Bra kravarbete handlar om att ställa rätt frågor och att ge rätt svar i rätt form Kravfångst? Bra kravarbete handlar om att ställa rätt frågor och att ge rätt svar i rätt form Gästföreläsning Datavetenskap 2011-02-15 Therese Söderlund, Lars Hansson och Jan Bidner (ITS) ITS - Enheten

Läs mer

Hierarchical Temporal Memory Maskininlärning

Hierarchical Temporal Memory Maskininlärning Hierarchical Temporal Memory Maskininlärning Innehåll Sammanfattning... 3 Inledning... 4 Vad är HTM?... 4 Hur fungerar HTM?... 4 Hierarchical... 4 Temporal... 5 Memory... 5 Hitta orsaker i världen... 5

Läs mer

BLI VÄN MED DIN BUGG. Frukostseminarium. Göteborg 2014-02-07

BLI VÄN MED DIN BUGG. Frukostseminarium. Göteborg 2014-02-07 SNART BÖRJAR DET! BLI VÄN MED DIN BUGG Frukostseminarium Göteborg 2014-02-07 AGENDA Introduktion Vad är en bugg? Vad innebär kvalitet i mjukvara? Buggutställning Att rapportera buggar En riktigt bra buggrapport

Läs mer

Affärsmodeller och samarbete på framtidens Internet

Affärsmodeller och samarbete på framtidens Internet Världshandelsdagen 2008 "Bortom Web 2.0" Affärsmodeller och samarbete på framtidens Internet Olle Olsson Swedish Institute of Computer Science (SICS) World Wide Web Consortium (W3C) 28 augusti 2008 1 Internet

Läs mer

Storräkneövning: Sannolikhetslära

Storräkneövning: Sannolikhetslära UPPSALA UNIVERSITET Matematiska institutionen Jakob Björnberg Sannolikhet och statistik 2012 09 28 Storräkneövning: Sannolikhetslära 1. (Tentamen, april 2009.) Man har efter studier av beredskapen hos

Läs mer

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14

Sannolikhetsteori. Måns Thulin. Uppsala universitet Statistik för ingenjörer 23/ /14 1/14 Sannolikhetsteori Måns Thulin Uppsala universitet thulin@math.uu.se Statistik för ingenjörer 23/1 2013 2/14 Dagens föreläsning Relativa frekvenser Matematik för händelser Definition av sannolikhet

Läs mer

Testning på 3 föreläsningar. PV7180 Verifiering och Validering. Litteratur. Vad är testning? Varför testa och olika syn? Målet med testning

Testning på 3 föreläsningar. PV7180 Verifiering och Validering. Litteratur. Vad är testning? Varför testa och olika syn? Målet med testning ning på 3 föreläsningar Första föreläsningen Översikt PV7180 Verifiering och Validering Föreläsning 3 ning del 1 Andra föreläsningen Coverage ing, OO-ing, Utvärdering av tekniker Tredje föreläsningen Automatiserad

Läs mer

MULTIPLIKATION ISBN

MULTIPLIKATION ISBN Till läraren MULTIPLIKATION ISBN 978-91-7762-696-1 För att kunna lösa vardagliga matematiska problem måste eleverna bland annat ha väl inövade färdigheter i olika räknesätt. Repetitioner och individuella

Läs mer

IRC s sortiment på slangupprullare

IRC s sortiment på slangupprullare IRC s sortiment på slangupprullare är ett familjeföretag som har sin verksamhet i Björbo, Dalarna. Våra kunder finns över hela världen, i alla branscher, garage till kärnkraftverk. Vi har ett brett sortiment

Läs mer

» Industriell ekonomi FÖ7 Investeringskalkylering

» Industriell ekonomi FÖ7 Investeringskalkylering » Industriell ekonomi FÖ7 Investeringskalkylering Norrköping 2013-01-29 Magnus Moberg Magnus Moberg 1 FÖ7 Investeringskalkylering» Välkommen, syfte och tidsplan» Repetition» Frågor? Magnus Moberg 2 » Definition

Läs mer

Kravfångst Bra kravarbete handlar om att ställa rätt frågor och att ge rätt svar i rätt form

Kravfångst Bra kravarbete handlar om att ställa rätt frågor och att ge rätt svar i rätt form Kravfångst? Bra kravarbete handlar om att ställa rätt frågor och att ge rätt svar i rätt form Gästföreläsning Datavetenskap 2012-02-12 Lars Hansson och Jan Bidner (ITS) ITS - IT-stöd och systemutveckling

Läs mer

Berättelsen om AutoChemist Del 2, Vidare svar på intervjufråga 3, kapitel 1 Av: Ingmar Jungner

Berättelsen om AutoChemist Del 2, Vidare svar på intervjufråga 3, kapitel 1 Av: Ingmar Jungner Berättelsen om AutoChemist Del 2, Vidare svar på intervjufråga 3, kapitel 1 Av: Ingmar Jungner Kapitel 1: Etapp 3:1. Tempo-automatisering och visioner om screening i stor skala och sjukhusautomatisering

Läs mer

Kvalitetsriktlinjer för behandling av patienter med reumatoid artrit

Kvalitetsriktlinjer för behandling av patienter med reumatoid artrit Translation into: Completed by: Email: SOC 1 SOC 2 SOC 3 SOC 4 SOC 5 SOC 6 Swedish Kvalitetsriktlinjer för behandling av patienter med reumatoid artrit Britta Strömbeck and Ingemar Petersson britta.strombeck@morse.nu

Läs mer

TPFD - TestPlan Före Design BESKRIVNING AV AKTIVITETER

TPFD - TestPlan Före Design BESKRIVNING AV AKTIVITETER TPFD Beskrivning Rev 4 1(10) TPFD - TestPlan Före Design BESKRIVNING AV AKTIVITETER Anv.krav Terminologi Detaljkrav Konfigdok Hantera Utgåvor Projektplan Testplan Test-o-felrättning Ändringslogg Återst.

Läs mer

Diagnossättning och registrering av diagnoskoder i primärvården inför införandet av ACG. Lizabeth Bellander 2013-10-29

Diagnossättning och registrering av diagnoskoder i primärvården inför införandet av ACG. Lizabeth Bellander 2013-10-29 1 Diagnossättning och registrering av diagnoskoder i primärvården inför införandet av ACG Lizabeth Bellander 2013-10-29 1 2 Beskrivning av ACG ACG står för Adjusted Clinical Groups och det är ett system

Läs mer