Autonoma Styrsystem. Fördjupningsarbete inom Artificiell Intelligens. Linköpings Universitet Artificiell Intelligens 729G
|
|
- Ingegerd Sundqvist
- för 8 år sedan
- Visningar:
Transkript
1 Linköpings Universitet Artificiell Intelligens 729G11 Autonoma Styrsystem Fördjupningsarbete inom Artificiell Intelligens Dennis Eng
2 Innehåll Sammanfattning... 2 Bakgrund... 3 Projekt Navlab... 4 ALVINN... 5 Uppbyggnad... 5 Träning... 6 On-the-fly träning... 6 Virtuella kameror... 7 Korsningar... 7 RALPH... 9 Insamling av bilder... 9 Kurvhantering... 9 Anpassning till underlag Diskussion Framtiden Reflektioner Referenser
3 Sammanfattning Enda sedan Knight Rider har autonoma bilar varit häftiga. Samtidigt har de av många ansetts vara ren science fiction. Men sanningen är att utvecklingen av självgående system har kommit ganska långt. I detta arbete kommer de två autonoma systemen ALVINN och RALPH att undersökas grundligt i allt ifrån uppbyggnad till kurvtagning. 2
4 Bakgrund Utvecklingen av automatisk styrda agenter har på senare tid vuxit kraftigt. Vi kan till största del tacka ny teknik för detta men även människans outtröttliga vilja att upptäcka och utvecklas. I dagens samhälle fluorerar självständigt agerande maskiner och system som inom sitt avgränsande område är experter. Det finns redan idag många semi-autonoma system som är aktiva i fordon. Några exempel på sådana är antisladdsystem, låsningsfria bromsar och airbags. Dessa system jobbar för att aktivt förbättra säkerhet då den mänskliga faktorn är den absolut vanligaste orsaken till fordons olyckor. Till exempel så har man uppskattat att i och med införandet av automatiska landningssystem i flygplan, har säkerheten vid inflygningen blivit 100 gånger bättre än innan [1]. En annan fördel med många autonoma system är att de gör fordon effektivare. Kan man med hjälp av datorer minska avståndet mellan bilar i trafiken och på ett säkert sätt bibehålla detta kan man effektivisera fordonstrafiken avsevärt i takt med att antalet fordon ökar kraftigt. Utvecklingen av autonoma fordonssystem började på allvar under slutet av 70-talet då japanska forskare med hjälp av en fastmonterad kamera på en bil uppnådde automatisk styrning. Kameran följde de vita vägmarkeringarna och kunde uppnå hastigheter uppemot 30 km/h. 3
5 Projekt Navlab På Carnegie Mellon University i Pittsburgh, USA har man under många år forskat på system som kan köra förarlösa bilar. Det hela började 1986 då man omvandlade en helt vanlig Chevy till den autonoma bilen som kom att kallas Navlab 1. Den var fylld till bredden med datorkraft, bland annat en dåtida superdator. Trots denna last fick man vänta tills slutet av 80-talet innan man kunde få bilen att köra själv i dryga 30 km/h. [2] Navlab 2, som i 1990 konverterades från en Humvee tidigare tillhörande den amerikanska armén, byggdes för att även kunna användas i terrängkörning. Topphastigheten för terrängkörning visade sig vara dryga 10 km/h med på landsväg kunde den köra över 100 km/h. Gemensamt för de båda Navlab-bilarna var att de använda sig att en fastmonterad videokamera som registrerade vägen framför bilen och letade efter specifika kännetecken som vägkanter eller markeringar. Det som dock skiljde Navlab 2 från dess föregångare var att den använde sig att ett Artificiellt Neuralt nätverk som ger systemet möjlighet lära sig köra bil. Navlab 1 bestod i stort sätt av förprogrammerade algoritmer om hur den skulle agera i givna tillstånd. De problem man ofta stötte på när man använder sig av bildigenkänning är problemet att hantera olika väglag och väderförhållanden. Det man försöker göra i många fall är att ge varje pixel från kameran ett värde på hur ljus pixeln är. Detta för att försöka skilja på vilka pixlar som representerar asfalt och vilka som är t.ex. streckade linjer. Deras senaste fordon är Navlab 5, en Pontiac Trans Sport, som med en utvecklad version av det autonoma systemet ALVINN rullat många mil och nått en toppfart av närmare 150 km/h medan den på egen hand bibehållit riktningen. Figur 1. NAVLAB5 4
6 ALVINN Den första Navlab bilen använde ett system av förprogrammerade algoritmer som bestämda hur bilen skulle köra och hur den skulle hålla sig i sin fil. Det fungerade oftast bra på de testvägar som man initialt körde på. Där kunde man själv bestämma hur vägen såg ut och kännetecken såsom vägmarkeringar ritades ut noggrant eftersom det var ofta en viktig faktor för att hålla bilen på vägen. Problemet med dagens vägar är att de inte är speciellt pålitliga. Vägmarkeringar är inte alltid utmålade och många andra oanade situationer uppkommer ständigt i trafiken. Det blir uppenbart alltför tidsödande och farligt att explicit försöka programmera in alla tänkbara vägförhållanden och scenarion. Lösningen som forskarna på Carnegie Mellon University kom fram till döpte de till ALVINN (Autonomous Land Vehicle In a Neural Network). ALVINN är ett artificiellt neuralt nätverk uppbyggt för att med hjälp av percept själv lära sig att hantera bilen i olika situationer. Problemet med artificiella neurala nät är att de ofta har en ganska lång inlärningsperiod innan de fungerar bra och därför krävs en effektiv metod för denna uppgift. [4] Uppbyggnad Arkitekturen i ALVINN är uppbyggd av tre olika nivåer där input lagret består av de percept (den bild) som kameran fångar. Perceptet består av en 30x32 enheter stor retina som motsvarar samtliga 960 enheter av den projicerade bilden. På Navlab 5 användes en kamera som skalade ner upplösningen till just 30x32 pixlar och därmed symboliserar varje enhet en pixel. Alla dessa enheter är i sin tur sammanbundna till de gömda enheterna i mitten av nätverket och därifrån går sedan länkar till samtliga output-noder. Output lagret består av 30 noder som bildar en linjär kedja av enheter som styr det kommande rattutslaget. Aktivering av noden längst i mitten av kedjan resulterar i att inget rattutslag ges och att bilen fortsätter framåt. Noderna utmed kanterna symboliserar i en gradvis ökande vänster- eller högersväng. [4] Figur 2. ALVINNs uppbyggnad 5
7 Träning I början av ALVINNs karriär använde man sig av simulerade bilder av vägar och vägförhållanden för att träna systemet i att hantera alla sorters situationer. Forskarna matade nätverket med 1200 olika bilder av vägförhållanden och motsvarande beteende som man ville att system skulle uppvisa. Samtidigt justerade man vikterna mellan noderna i nätverket med hjälp av en back-propagation algoritm. Det vill säga att man justerade vikterna tills output-noderna hos ALVINN sammanföll med det korrekta beteendet. Det fanns dock en del problem med den typen av inlärning. För det första tog det väldigt lång tid att framställa alla olika scenarior och dessutom fungerade system inte optimalt ute på vägarna. Det blev lätt förvirrad om den t.ex. blivit tränad för en ganska rak sträcka och senare blev utsatt för skarpa kurvor. [4] On-the-fly träning Man utvecklade då en annan metod för att träna ALVINN som kallades on-the-fly träning. Det var ett mer praktiskt inlärningssätt som gick ut på att en mänsklig förare körde Navlab medan systemet observerade körningen. Det fungerade på samma sätt som första metoden med enda skillnaden att bilderna man stoppade in var direkt strömmade från kameran på bilen. Detta resulterade i mer realistiska scenarion som dessutom innehöll mer variation. Man använde på samma sätt back-propagations algoritmen för att ändra vikterna mellan noder i nätverket till dess prestation motsvarade förväntningarna. Det fanns dock en del problem med även denna metod. Dels tenderar en mänsklig förare att i såna här test situationer köra alltför bra, att köra helt rakt längs mittlinjen. Detta medför att systemet aldrig lär sig att återhämta sig från potentiella misstag som system då och då råkar ut för. Alltså ALVINN måste även tränas i att felplacera sig gentemot mittlinjen och sedan korrigera detta. Ett annat problem var att systemet lätt blev övertränat vid t.ex. långa raksträckor där det fick möta i princip samma input under långa perioder. Detta fick som effekt att ALVINN glömde bort tidigare övningar som kurvtagningar och istället bara lärde sig köra längs raksträckor. [4] Figur 3. Modifiering av input vid on-the-fly träning För att lösa dessa problem använde man sig av en teknik där man skiftade varje input-bild man fick av kameran, 7 gånger till vänster och 7 gånger till höger. Alltså, när föraren körde i mitten av filen blev ALVINN inte bara tränad på hur korrekt körning går till utan tränades även på att korrigera de fel som uppkom då den trodde sig vara ur spår. På samma sätt som tidigare försedde man systemet med de optimala utdata effekterna man eftersträvade. För 6
8 varje modifierad input-bild räknades den optimala utdatan ut och ALVINN förseddes med informationen om hur han förväntades agera i samtliga 15 situationer. Virtuella kameror Mycket resurser har lagts ner på ALVINN för att hålla Navlab-bilen i rätt fil och att få den att stanna där. Men den uppenbara sanningen bakom drömmen att uppnå en helt autonom bil är att den måste klara väldigt många andra, vissa simpla andra avancerade, manövrer. Ett simpelt exempel vore att få bilen att kunna byta fil. Med tanke på hur mycket tid forskarna lagt ner på att få bilen att hålla sig i en fil är filbyten inte så lätt som det låter. Ett annat mer avancerat exempel på vardaglig bilkörning är hur man agerar i en korsning. Dessa saker och många andra som mänskliga bilförare mer eller mindre tar för givet är inte alls självklara för en autonom bil. Båda dessa exempel på vardagliga händelser i trafiken har forskarna på CMU försökt lösa på snarlika sätt. Man har skapat ALVINN VC (ALVINN Virtual Camera) där man inför någonting som man kallar för en virtuell kamera vilket innebär att man genom den fysiska kameran kan ta fram en virtuell kameravinkel vart som helst inom den fysiska kamerans räckvidd. [5] Bilden nedan visar hur detta ser ut när bilen kör mot en väg och aktivt letar efter den. Figur 4. Illustrations på hur ALVINN VC hanterar en korsning Korsningar Den virtuella kameran är i detta fallet statiskt placerad på ett visst avstånd från bilen och medan bilen rör sig mot vägen jämför den kontinuerligt bilderna från den virtuella kameran med sin interna självsäkerhets algoritm, som kallas IRRE (Input Reconstruction Reliability Estimation). IRRE kalkylerar med hjälp at utdatan från ALVINN VC hur stor sannolikheten är för att det kameran pekar på är en väg eller inte. Den tittar då på samma kännetecken som ALVINN använder sig av för att hålla sig inom en fil och genom att jämföra med sin interna vetskap tar den fram ett värde på sannolikheten där värden mot 1 anger störst säkerhet. IRRE kalkylerar alltså ett värde mellan 0 och 1 på sannolikheten för att den virtuella kameran hittat en väg. På bilderna nedan illustreras vilket värde IRRE får vid de olika tidpunkterna beroende på hur långt bilen har kvar till den uppkommande vägen. I detta fall har man satt ett tröskelvärde vid 0,8 vilket innebär att när IRRE stiger över 0,8 så rapporterar systemet att en väg har uppmärksammats. [3] 7
9 Figur 5. Exempel på hur den virtuella kameran fungerar Dessa fyra bilder härstammar från när bilen var 20 meter från mitten av vägen och påvisar tydligt hur den virtuella kameran letar igenom området framför bilen och söker på olika avstånd tills den hittar vägen. På bilden uppe till vänster ser man ingenting, därav ett väldigt låg IRRE-värde. Värdet ökar kraftigt ju längre fram kameran söker och hittar maxvärdet på 22 meter då vägen är som tydligast. Att IRRE hittar maxvärdet 2 meter efter vägens egentliga mittpunkt säger forskarna på CMU beror på tre saker: att man ignorerat det faktum att marken framför bilen inte alltid är platt, fel vid kalibrering av kameran och initial felplacering gentemot vägen[3]. Att automatisk få bilen att svänga i en korsning är dock ett tvådelat problemet där det första problemet, som precis har lösts, är det enklare av de två. Att hitta vägen är en sak, nu återstår för bilen att faktiskt svänga upp på den nya vägen. Två olika metoder har lagts fram i ett försök att lösa detta. Första metoden går ut på att skapa en spårpunkt i mitten av den nya vägbanan som ALVINN VC siktar in sig på och när bilen nått denna punkt vet systemet att den är mitt på vägen. Problemet med denna metod var att när bilen faktiskt nått denna punkt matchar inte bilens riktning vägens och hade jätteproblem med att positionera sig rätt gentemot vägen för att då påbörja vanlig filkörning. Man slopade därför denna metod och konstruerade en ny som gick ut på att man skapade två spårpunkter som låg parallellt med varandra enligt figuren. Sträckan mellan punkterna kunde variera med oftast var den satt till 20 meter. Denna metod fungerade bättre än den förra men gjorde att det tillkom flera olika variabler som var beroende av varandra. Detta innebar stora problem vid optimering och gjorde att bilen i vissa fall lyckades svänga korrekt och påbörja vanlig filkörning, men i andra fall inte lade sig rätt gentemot vägen. Man Figur 6. Användande av spårpunkter vid korsningar var därför tvungen att överge även denna metod därför att spårpunkternas exakta position var alltför svårt att fastställa på ett dynamiskt sätt. Även om man skulle kunna programmera in de flesta scenarior och situationer skulle metoden vara alltför oelegant och bräcklig. 8
10 RALPH Som efterföljare till ALVINN har forskarna på CMU skapat ett annat autonomt styrsystem som kallas RALPH (Rapidly Adapting Lateral Position Handler). Grundidén bakom detta system är att bryta ner styrning i tre steg: samla in bilder, bestämma vägens böjning och bedöma bilens position gentemot mittlinjen. [6] Insamling av bilder Bilden från kameran innehåller oftast vissa delar som är oväsentliga för navigering, t.ex. instrumentbrädan eller himlen. Därför använder RALPH en metod som klipper bort allting utom vägen inom den svarta markeringen på första bilden i figur 7. Avståndet mellan bil och urklippsmarkeringen är dynamisk och ökar då fordonets hastighet ökar. Den andra bilden visar hur systemet omvandlar bilden från kameran till 30x32 pixlar som sedan är lättare att bearbeta och söka för utmärkande drag såsom vägmarkeringar eller diken. Kurvhantering Figur 7. Avskalningsstrategi RALPH hanterar kurvor på ett lite speciellt sätt. Systemet försöker räta ut de visuella percept, som vid varje given tidpunkt registreras. Med andra ord, om bilden föreställer en kurva försöker RALPH omvandla den till en rakstäcka för att på så vis räkna ut hur grov kurvan är. Figur 8 9
11 Transformationen går rent tekniskt till så att raderna på bilden skiftas i vänster resp. högerled mer eller mindre beroende på hur böjningshypotesen ser ut. Den översta bilden i figur 8 visas den indata som systemet erhålls. Pilarna under visar vilka antaganden som systemet automatiskt gör angående böjningsgraden av kurvan. På bilderna under har systemet omvandlat inputbilden beroende på den böjningsgrad som antogs i varje enskilt fall. Det korrekta antagandet gjordes i bild fyra då RALPH antog en lättare högerkurva. För att avgöra vilken av de transformerade bilderna som är korrekt används en metod för att kontrollera huruvida särdragen på bilden är räta eller inte. Figur 9 Figur 9 föreställer en graf som visar hur kontrasten på bilden vertikalt kan kalkyleras för att fastställa hur raka särdragen på indatan är. Summan av kolumn x blir ett värde på hur mörk resp. ljus kolumnen är. Detta innebär att RALPH i teorin kan följa i stort sett alla olika typer av spår, allt från däckspår till tydliga vägmarkeringar, så länge de är parallella med vägen. Genom att jämföra grafen för den aktuella indatan med en förutbestämd mall på aktuellt underlag kan RALPH räkna ut hur nära mittlinjen bilen är och justera. Anpassning till underlag En stor fördel med RALPH jämfört med många andra system är att anpassningen till olika vägunderlag går väldigt fort. Det finns fyra olika sätt att skapa en modell av rådande situation: Den första är en manuell variant som går ut på att föraren centrerar bilen på vägen och trycker på en knapp. Under 100 ms skapas då en mall av väglaget som även sparas för senare användning. Den andra varianten innebär att RALPH själv söker igenom en databas av mallar och plockar fram den som stämmer bäst in på situationen. Den tredje är en utvecklig av metod två med enda skillnaden att när den plockat fram en lämplig modell även modifierar denna lite så den stämmer bättre in på rådande situation. Detta för att anpassa mallen efter tillfälliga egenheter som vinkeln på solljuset. Den sista metoden går ut på att RALPH söker längre fram på bilden (oftast meter) och tittar efter hur vägen ser ut där för att skapa en mall av väglaget som sedan används när bilen nått den punkten. 10
12 Diskussion Det som för några år sedan, och i viss mån än idag, var science fiction är nu närmare än vad de flesta tror. I och med system som ALVINN och RALPH har forskare världen över revolutionerat fordonstrafiken och kommer med största sannolikhet fortsätta göra det. Även om de system som diskuterats i denna uppsats inte håller måttet för fullt autonom trafikkörning så är det väldigt robusta grundstenar i vad som med största sannolikhet kommer dyka upp inom en snar framtid. Framtiden General Motors har nyligen gått ut med att de inom en 10 års period kommer ha autonoma bilar i trafiken som med hjälp av laser och kameror kommer ha fullständig koll på sin körning. [7] Om denna tidsplan kommer hålla är svårt att säga idag. Men att tekniken idag finns är ett faktum och det största problemet för autonoma bilar kommer sannolikt att bli moraliska och juridiska. Det finns en hel del nya avsnitt som måste skrivas in i lagboken innan dessa bilar lämna fabriken. Vem bär ansvar för olyckor? Hur övertygar man människor om att bilen själv kommer köra dem helskinnade till jobbet? Reflektioner Jag tror personligen att genom att inte ta alltför stora steg i utvecklingen kommer gynna självgående fordon. Hittills har semi-autonoma system blivit fler och fler i bilar och olyckor har i och med det sjunkigt. Men för att människor frivilligt ska släppa ratten krävs att de successivt bygger ett förtroende för dessa system, som idag bara känns väldigt främmande. Ett möjligt steg i utvecklingen skulle kunna vara system för automatiska motorvägar. Bildigenkänningssystem som ALVINN skulle någorlunda lätt kunna optimeras för användning på motorvägar eftersom de är väldigt raka och analoga. Med säkerheten som automatiska program för med sig skulle hastigheten kunna öka. 11
13 Referenser 1. Masaki, I. (1992) Vision-based vehicle guidance. Industrial Electronics, Control, Instrumentation, and Automation, Proceedings of the 1992 International Conference on 'Power Electronics and Motion Control', Volume 2, Jochem, T., Pomerleau, D., Kumar, B., Armstrong, J. (1995) PANS: a portable navigation platform. Proceedings of the Intelligent Vehicles '95 Symposium, Jochem, T., Pomerleau, D., & Thorpe, C. (1995). Vision-based neural network road and intersection detection and traversal. Intelligent Robots and Systems 95, Proceedings IEEE/RSJ International Conference on 'Human Robot Interaction and Cooperative Robots', Volume 3, Pomerleau, D.A. (1991) Efficient Training of Artificial Neural Networks for Autonomous Navigation. Neural Computation, Volume 3, Jochem, T., Pomerleau, D., Thorpe, C. (1995) Vision guided lane transition. Proceedings of the Intelligent Vehicles '95 Symposium, Pomerleau, D., Jochem, T. (1996) Rapidly Adapting Machine Vision for Automated Vehicle Steering. The Intelligent Systems, Volume 11, CBS News, Hämtad
ALVINN. Ett autonomt styrsystem. Linköpings Universitet Joacim Wirebrand joawi050 910821-1096 2011-09-19
ALVINN Ett autonomt styrsystem Linköpings Universitet 910821-1096 2011-09-19 Abstrakt I detta arbete kommer jag att presentera AN AUTONOMOUS LAND VEHICLE IN A NUERAL NETWORK (ALVINN), ett neuralt nätverk
Läs merInformation till dig som är intresserad av att ställa ut blomlådor på din gata för att minska bilarnas hastighet.
1 (5) Låt gatan blomma! Information till dig som är intresserad av att ställa ut blomlådor på din gata för att minska bilarnas hastighet. Vad gäller för gatan där blomlådorna placeras? Du som ansvarar
Läs mer!!!!!!!! Googles'självkörande'bil!
Googles'självkörande'bil AmandaJaber(amaja463) AI 279G43 2016901909 Innehållsförteckning 1.#INLEDNING#...#3 1.1 SYFTE#...#3 1.2 AVGRÄNSNING#...#3 2.#GOOGLE#SJÄLVKÖRANDE#BIL#...#4 2.1HURBILENFUNGERAROCHUPPBYGGNAD...4
Läs merSLALOMINGÅNGAR hur svårt kan det vara?
SLALOMINGÅNGAR hur svårt kan det vara? Av Marie Hansson Ju mer man börjar tänka på vad en slalomingång innebär, desto mer komplicerat blir det! Det är inte lite vi begär att hundarna ska lära sig och hålla
Läs merFöreläsning 3.1: Datastrukturer, en översikt
Föreläsning.: Datastrukturer, en översikt Hittills har vi i kursen lagt mycket fokus på algoritmiskt tänkande. Vi har inte egentligen ägna så mycket uppmärksamhet åt det andra som datorprogram också består,
Läs merÅtgärdsstrategier. Jämförelsealternativet (JA) Utvecklingsalternativet (UA)
Åtgärdsstrategier Flexibilitet är ett nyckelord för studier/analyser i tidiga planeringsskeden. Trots prognoser och utvecklingstrender är det svårt att veta exakt hur rv 55 kommer att utvecklas framöver,
Läs mer2011 Studsvik AB PANORAMA-BILDTAGNING. Tony Björkman
2011 Studsvik AB Tony Björkman PANORAMA-BILDTAGNING Filminspelning och visuell inspektion är två beprövade metoder för avsyning av bränslestavar. Ett nytt sätt att avsyna är att skapa panoramabilder vilket
Läs mer6 Övriga markeringar. Pildelar. 6.1 Körfältspilar
6 Övriga markeringar Markeringar som inte är längsgående eller tvärgående räknas som övriga markeringar. Till dessa hör följande: körfältspilar anvisning om körfältsbyte spärrområde texter uppställningsplats
Läs mer1. Situationer när korrigering är nödvändig
1. Situationer när korrigering är nödvändig Aktuell position ska korrigeras när: Du byter däck (utför automatisk korrigering). (Avståndskorrigering). Aktuell position bör korrigeras när: Fordonets positionsmärke
Läs merTB DEL II BILAGA 3.1 UTREDNING - MÖJLIGHET ATT LÄMNA SID
TB DEL II BILAGA 3.1 UTREDNING - MÖJLIGHET ATT LÄMNA SID UTREDNING 2011-04-20 01.00 D 2011-006261 2(14) 1 SAMMANFATTNING... 3 2 BEGREPPET - ATT LÄMNA SID... 3 3 ATT LÄMNA SID VID EN BULLERNIVÅ 70 DB(A)
Läs merT-tunika med formremsa i halsringningen
Du behöver: begagnade tyger. Jag har en gardin och ett par shorts. Symaskin och matchande tråd, pappersoch tygsax, knappnålar, måttband, strykjärn och strykbräda, mellanlägg/fliselin till halsremsan. Synål.
Läs merGrafer. 1 Grafer. Grunder i matematik och logik (2015) 1.1 Oriktade grafer. Marco Kuhlmann
Marco Kuhlmann 1 En graf är en struktur av prickar förbundna med streck. Ett tidsenligt exempel på en sådan struktur är ett social nätverk, där prickarna motsvarar personer och en streck mellan två prickar
Läs merObjektorienterad programmering
Objektorienterad programmering Emil Ahlqvist (c10eat@cs.umu.se) Didrik Püschel (dv11dpl@cs.umu.se) Johan Hammarström (c08jhm@cs.umu.se) Hannes Frimmel Moström (c10hml@cs.umu.se) 1 1. Introduktion 1.1 Objektorienterad
Läs merProgrammering av stegmotorer ett miniprojekt i samarbete med Svensk Maskinprovning
Programmering av stegmotorer ett miniprojekt i samarbete med Svensk Maskinprovning Daniel Leonardsson dale0010@student.umu.se Kajsa Persson kape0038@student.umu.se I samarbete med Svensk Maskinprovning,
Läs merAlla behöver tårta! Belöningsträningens lager
Alla behöver tårta! Belöningsträningens lager Av: Eva Bertilsson och Emelie Johnson Vegh, publicerad i Canis 2012 Vi säger gärna att vi sysslar med belöningsbaserad träning träning där vi ser till att
Läs merTest av kranspetsvågar i virkesfordon
Datum 2016-02-18 Författare Sven Gustafsson Test av kranspetsvågar i virkesfordon WWW.SDC.SE P o s t a d r e s s : 8 5 1 8 3 S u n d s v a l l B e s ö k s a d r e s s : S k e p p a r p l a t s e n 1 T
Läs merOm ni skulle göra om Lupp vad skulle ni göra bättre/ändra på?
Tips från Mora Om ni skulle göra om Lupp vad skulle ni göra bättre/ändra på? Involvera ungdomarna ännu mer än vad vi redan gör. Vad är viktig att tänka på i Lupparbetet? Förankring, bland lärare, tjänstemän,
Läs merTentaupplägg denna gång
Några tips på vägen kanske kan vara bra. Tentaupplägg denna gång TIPS 1: Läs igenom ALLA uppgifterna och välj den du känner att det är den lättaste först. Det kan gärna ta 10-20 minuter. Försök skriva
Läs merLära känna skrivbordet
Är det första gången du använder Windows 7? Den här versionen har mycket gemensamt med tidigare versioner av Windows, men du kan behöva hjälp med att få upp farten. Den här guiden innehåller praktisk information
Läs merAtt använda bildhanteringsprogram, del 2
Att använda bildhanteringsprogram, del 2 Gå till Adobe Online (M) Markeringsram - (L) Lasso - (C) Beskärning - (J) Airbrush - (S) Klonstämpel - (E) Suddgummi - (R) Oskärpa - (A) Markering av bankomponenter
Läs merKarlsängskolan - Filminstitutet
Projektrapport Karlsängskolan - Filminstitutet 1. Om Skolan Karlsängskolan är en högstadieskola i Nora kommun som ligger 3,5 mil norr om Örebro och i Örebro län men tillhör landskapet Västmanland. Skolan
Läs merForskningrapport LAVINER. Varför vi valde den här naturkatastrofen. Laviner
Forskningrapport LAVINER Varför vi valde den här naturkatastrofen Vi har valt naturkatastrofen lavin för att det är ett lokalt problem. Vårt samhälle är endast i riskzonen under vintersäsongen, då lavinerna
Läs merLösa konflikter som orsakar skada
Lösa konflikter som orsakar skada Definitionen av konflikt är en meningsskiljaktighet eller dispyter i vilken de inblandade parterna upplever att deras behov eller intressen hotas. Det finns öppna konflikter
Läs merChefens sju dödssynder - undvik dem och lyckas som ledare!
White Paper #6 Chefens sju dödssynder - undvik dem och lyckas som ledare! Malin Trossing för Kontentan, augusti 2013 Kontentan Förlags AB www.kontentan.se För att bli programmerare krävs flera års programmeringsutbildning
Läs merTrafikskadestöd 020-49 48 00 Måndag-tisdag och torsdag-fredag kl. 9.00-11.30
En trafikolycka medför många gånger problem för de inblandade och deras anhöriga. Vissa problem kanske kan lösas med ett enkelt telefonsamtal. Detta gäller även för Dig som är anhörig eller vittne. Trafikskadestöd
Läs merAtt montera lapptäcke utan vadd. Plocka fram de tyger du vill ha i täcket. Det du
Plocka fram de tyger du vill ha i täcket. Det du behöver när du gör detta är: tyger, gärna gardiner, ej för nötta. Sytråd, symaskin, gummimatta och rullkniv, sax, säkerhetsnålar, måttband. Riv/klipp bort
Läs merTDDB96 Projekt: Object priming med visuell stimuli
TDDB96 Projekt: Object priming med visuell stimuli Daniel Johansson danjo133@student.liu.se Rickard Jonsson ricjo400@student.liu.se 1. Sammanfattning Vad vi ville komma fram till i denna studie var huruvida
Läs merAnalys av trafiken i Oskarshamn vid ankomst Gotlandsfärja
1 (11) PM Analys av trafiken i Oskarshamn vid ankomst Gotlandsfärja Ansvarig mikrosimulering/trafikanalys: Handläggare mikrosimulering: Författare detta PM: Granskning detta PM: Sebastian Hasselblom Felicia
Läs merFotbollsskolan. skott.indd 1 07-06-05 16.17.58
Fotbollsskolan skott.indd 1 07-06-05 16.17.58 Välkommen till fotbollsskolan! Fotboll är en meningsfull sysselsättning året runt. För att få ett friskare och roligare liv och inte minst - för att lära sig
Läs merLEGO Robot programmering och felsökning Hur svårt ska det vara att följa den svarta linjen?
ICT LEGO Robot programmering och felsökning Hur svårt ska det vara att följa den svarta linjen? Daniel Lindfors 12/9/07 dlindf@kth.se Introduktionskurs i datateknik II1310 Sammanfattning Denna laboration
Läs merBakgrundsbygge i Cellplast:
Bakgrundsbygge i Cellplast: - Mitt andra försök och denna gången lyckat - Denna artikel är ett försök till att på ett tydligt sätt redogöra för skapandet av en bakgrund av cellplastskivor, husfix och Epolan
Läs merBASKET FÖR UNGA SPELARE
106 BASKET FÖR UNGA SPELARE 4 COACHEN PÅ TRÄNING 107 Coachen på träning Jose María Buceta Konstruktiv attityd Att leda övningar Använda förebilder Instruktioner och kommentarer Frågor och påminnelser Att
Läs merOM KRITERIER av Emelie Johnson Vegh och Eva Bertilsson, publicerad i Canis 2004
OM KRITERIER av Emelie Johnson Vegh och Eva Bertilsson, publicerad i Canis 2004 Ibland dyker det upp ord som är så fantastiskt användbara och bra att man inte kan begripa hur man någonsin klarat sig utan
Läs merGeneral Rules Of Pocket Billiards
General Rules Of Pocket Billiards Nedanstående regler är antagna av SBF den 20:e juni 1999 3. ALLMÄNNA POOL BILJARD REGLER Dessa Allmänna Pool Biljardregler gäller alla pooldiscipliner, om inte annat anges
Läs merGolf ur ett motoriskt perspektiv
Golf ur ett motoriskt perspektiv Diskret färdighet Snabb, har en tydlig början och ett tydligt slut. Hela rörelsen programmeras i förväg. Motorisk färdighet Rörelsen/motoriken är avgörande för framgång.
Läs merFRÅN UNGDOMSBOXARE TILL PROFFSBOXARE
Kenneth Riggberger FRÅN UNGDOMSBOXARE TILL PROFFSBOXARE Samarbetet med Hampus Henriksson började 2010 då Hampus var 16 år. Jag kommer här att ta upp lite om fysisk träning för boxare. Nu kan jag ingen
Läs merVerktyg för Achievers
Verktyg för Achievers 2.5. Glöm aldrig vem som kör Bengt Elmén Sothönsgränd 5 123 49 Farsta Tel 08-949871 Fax 08-6040723 http://www.bengtelmen.com mailto:mail@bengtelmen.com Ska man kunna tackla sina problem
Läs merTentamen SSY 065, onsdag 17/12, 08:30-12:30, H. Lärare: Petter Falkman, (772) 3723 Tider för lärarens närvaro: 09:30, 11:00
Industriautomation Tentamen SSY 065, onsdag 17/12, 08:30-12:30, H Lärare: Petter Falkman, (772) 3723 Tider för lärarens närvaro: 09:30, 11:00 Fullständig lösning ska lämnas på samtliga uppgifter. I förekommande
Läs merSkola: Photoshop och Elements Redigering för äkta bilder
Skola: Photoshop och Elements Redigering för äkta bilder Med Photoshop kan du lägga på coola effekter, skruva färger och kontraster till oigenkännlighet och skapa fantasibilder, men här lär vi dig i stället
Läs mer8-4 Ekvationer. Namn:..
8-4 Ekvationer. Namn:.. Inledning Kalle är 1,3 gånger så gammal som Pelle, och tillsammans är de 27,6 år. Hur gamla är Kalle och Pelle? Klarar du att lösa den uppgiften direkt? Inte så enkelt! Ofta resulterar
Läs merPress Information. Pedestrian Detection i mörker. Animal Detection
Volvo Car Group Public Affairs PVH50 SE-405 31 Göteborg, Sweden Telephone +46 31 59 65 25 Fax +46 31 54 40 64 www.media.volvocars.com Press Information Originator Malin Persson, malin.persson@volvocars.com
Läs merLiten introduktion till akademiskt arbete
Högskolan Väst, Inst för ekonomi och IT, Avd för medier och design 2013-09-14 Pierre Gander, pierre.gander@hv.se Liten introduktion till akademiskt arbete Den här texten introducerar tankarna bakom akademiskt
Läs merPositiv Ridning Systemet Arbetar min häst korrekt? Av Henrik Johansen
Positiv Ridning Systemet Arbetar min häst korrekt? Av Henrik Johansen Detta test på hur din häst arbetar tar ca tre minuter och bör ingå i uppvärmningen varje dag. Du måste veta vad du vill när du sitter
Läs merInnehållsförteckning
Innehållsförteckning Sammanfattning...s 3 Bakgrund och inledning...s 4 Problemformulering och syfte & Avgränsningar...s 5 Genomförande...s 6 Resultat av projektet...s 7 Värdering av arbetet och resultatet...s
Läs mer9-1 Koordinatsystem och funktioner. Namn:
9- Koordinatsystem och funktioner. Namn: Inledning I det här kapitlet skall du lära dig vad ett koordinatsystem är och vilka egenskaper det har. I ett koordinatsystem kan man representera matematiska funktioner
Läs merMoped klass II Kunskapsprov 2
Moped klass II Kunskapsprov 2 Förnamn Efternamn Adress Postnummer Ort Telefon Mobiltelefon E-postadress Personnummer Provet genomfört den Förrättningsman Lokal Ort Godkänd Ej godkänd Antal rätt Underskrift
Läs merFortsättningskurs i programmering F 2. Algoritmer i Programutveckling Hugo Quisbert 20130122. Problemexempel 1
Fortsättningskurs i programmering F 2 Algoritmer i Programutveckling Hugo Quisbert 20130122 1 Exempel 1 Problemexempel 1 En souvenirbutik behöver ett datorprogram som omvandlar ett pris i svenska kronor
Läs merKandidatuppsats. Jämförelse mellan neurala nätverk baserad AI och state-of-the-art AI i racing spel. Simon Karlsson, Christopher Jensen
Kandidatuppsats Jämförelse mellan neurala nätverk baserad AI och state-of-the-art AI i racing spel Simon Karlsson, Christopher Jensen Sammanfattning Denna rapport jämför prestandan mellan state-of-the-art
Läs merKardinal Synd Umeå - Inspelningsinstruktioner -
1 Kardinal Synd Umeå - Inspelningsinstruktioner - Vill förvarna om att det ser ut att vara mycket mer jobb än det egentligen är speciellt med tanke på att det inte krävs några speciella riggar eller ljussättning.
Läs merRAPPORT: ATT UPPLEVA EN UTSTÄLLNING HELT I LJUD. FÖR UTSTÄLLNINGEN VÄRDEFULLT. BAKGRUND..s 2 METOD...s 2 RESULTAT...s 3 9 ANALYS AV WORKSHOP...
RAPPORT: ATT UPPLEVA EN UTSTÄLLNING HELT I LJUD. FÖR UTSTÄLLNINGEN VÄRDEFULLT BAKGRUND..s 2 METOD...s 2 RESULTAT.....s 3 9 ANALYS AV WORKSHOP...s 10 1 BAKGRUND Vi vill ta reda på hur en upplever en utställning
Läs merVårens Viktigaste test:
test 15 sommardäck Vårens Viktigaste test: sommarsulor Vi testar femton av de vanligaste däcken inför sommarsäsongen 2011. Är verkligen miljödäck farliga? Vågar man köpa kinesiskt? Vi hjälper dig i jakten
Läs merTrafikutredning Kyrkerud- Strand
ÅRJÄNGS KOMMUN Trafikutredning Kyrkerud- Strand UPPDRAGSNUMMER 2337007000 SWECO CIVIL AB, KARLSTAD OLA ROSENQVIST SOFIA WEDIN MAGNUS WACKERFELDT Sweco Innehållsförteckning 1 Inledning 1 1.1 Bakgrund och
Läs mer9 NAVIGATIONSUTRUSTNING
9 NAVIGATIONSUTRUSTNING 9.1 Kompass Kompassen skall vara fast monterad och balansupphängd. Kompassen skall vara devierad. Deviationstabell skall finnas. Extra kompass bör finnas. SXK Västkustkretsen, Tekniska
Läs mer1. Bekräftelsebehov eller självacceptans
1. Bekräftelsebehov eller självacceptans Jag behöver kärlek och bekräftelse från människor som känns viktiga för mig och jag måste till varje pris undvika avvisande eller nedvärdering från andra. Jag gillar
Läs merNödrop från Expedition C3: skicka fler tekniker!
Nödrop från Expedition C3: skicka fler tekniker! Detta har hänt: Expeditionen lättade i maj 2008 efter noggranna förberedelser. Motstånd och faror lurade överallt, men vi litade på vårt trumfkort helautomatisk
Läs merINLEDNING. Har VEIDEC Raceway gynnat Malmö och Malmös befolkning?
VEIDEC RACEWAY INLEDNING Har VEIDEC Raceway gynnat Malmö och Malmös befolkning? Sedan några år tillbaka har Malmö en dragracingbana där människor kan träffas och dela sitt intresse. Alla är dock inte positiva.
Läs merKvalitetsrapport nr 2 Lärare
Kvalitetsrapport nr 2 Lärare Varför har detta arbete gjorts? I skolsystemet i Sverige är det så att det är skolhuvudmannen som är ytterst ansvarig för skolverksamheten, i en kommun eller i en friskola.
Läs mer{ karriär & ledarskap }
CHEFENS SJU Slut ögonen och dröm dig bort en stund. Se en värld framför dig där ingen chef bryter mot någon av chefens sju dödssynder. Där alla chefer är riktigt bra ledare och brinner för sina medarbetares
Läs merMotion om säkrare gång- och cykelvägar
2007-09-24 202 442 Kommunstyrelsen 2008-01-14 6 14 Arbets- och personalutskottet 2007-12-17 276 580 Dnr 07.541-008 septkf23 Motion om säkrare gång- och cykelvägar Ärendebeskrivning Erika Josbrandt, för
Läs merSkövdeNät Nöjd Kund Analys
SkövdeNät Nöjd Kund Analys Kvartal 1-2015 med jämförande index 2006, 2008, 2010, 2012 Välkommen till en spännande värld av marknadsutveckling! Mätningens uppbyggnad Bas: Antal intervjuer: 303 N=Mätningens
Läs merMultiplikation genom århundraden
Multiplikation genom århundraden För många elever i skolan kan multiplikation upplevas som något oöverstigligt. Addition och subtraktion kan de förstå sig på men inte multiplikation. Utan förståelse för
Läs merGPS-sändare: en ny era för studier av beteendeekologi hos vilda djur
GPS-sändare: en ny era för studier av beteendeekologi hos vilda djur Håkan Sand, Per Ahlqvist och Olof Liberg I slutet av 196-talet revolutionerades viltforskningen genom att det blev möjligt att studera
Läs merLaboration: Att inhägna ett rektangulärt område
Laboration: Att inhägna ett rektangulärt område Du har tillgång till ett hoprullat staket som är 30 m långt. Med detta vill du inhägna ett område och använda allt staket. Du vill göra inhägnaden rektangelformad.
Läs mer5 Relationer mellan individens utvecklingsnivå, olika verktyg och användning av olika produkter
5 Relationer mellan individens utvecklingsnivå, olika verktyg och användning av olika produkter Individens utvecklingsnivå har stor betydelse för hur han beter sig med, undersöker eller använder ett verktyg.
Läs merPROBLEM OCH LÖSNINGAR RUNT TYNGDLÖSHET
2003-05-31 PROBLEM OCH LÖSNINGAR RUNT TYNGDLÖSHET av Gabriel Jonsson Figur 1 Möjlig framtida marsraket enligt NASA Uppsats inom kursen Astronomi B, 5p Institutionen för fysik, Umeå Universitet Lärare:
Läs merUppgift 24A - Reflektion över boken "Vem snodde osten?"
Uppgift 24A - Reflektion över boken "Vem snodde osten?" Här har vi plockat ut sex citat som vi tycker är extra viktiga. Om du inte förändras riskerar du att utplånas Att bara stå och stampa på ett och
Läs merPresentation av Väg 225
Sorunddanet mars 2006 Presentation av Väg 225 och förbättringsområden En resa från Ösmokorset via Sorunda Ridskola Berga Ristomta Porthus Spångbro Fullbro och Frölunda Mars 2006 1 Sorundanet mars 2006
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merUppvärmning, avsvalning och fasövergångar
Läs detta först: [version 141008] Denna text innehåller teori och korta instuderingsuppgifter som du ska lösa. Under varje uppgift finns ett horisontellt streck, och direkt nedanför strecket finns facit
Läs merARKITEKTPROVET 2013 DAG 1. 1: LINJE & VECK [ENKELHET, UNDERSÖKNING] [1H] 9.15-10.15
ARKITEKTPROVET 2013 DAG 1. 1: LINJE & VECK [ENKELHET, UNDERSÖKNING] [1H] 9.15-10.15 Översikt: Den första uppgiften är en undersökning av linje, kant och yta. I den skall du försöka skapa något intressant
Läs merÖgonlaboration 1(1) ÖGONLABORATION
Ögonlaboration 1(1) Uppsala Universitet Institutionen för Neurovetenskap, Fysiologi VT 08 GS, LJ För Neural reglering och rörelse ÖGONLABORATION Avsikten med laborationen är att illustrera teoretisk bakgrund
Läs merSÄKERHETSVISAREN 1. LEDNING OCH PRIORITERINGAR
1. LEDNING OCH PRIORITERINGAR Ledningen har en nyckelroll för att företaget ska bli bättre på att förhindra olyckor och tillbud. Ord måste omsättas i handling och en viktig uppgift är att involvera alla
Läs merPresentera kursledarna Ge deltagarna möjlighet att presentera sig (9 min)
Presentera kursledarna Ge deltagarna möjlighet att presentera sig (9 min) 1 Gå igenom agenda Var tydlig med praktikaliteter (toaletter, lokal för fika etc.) (2 min) 2 Gå igenom kursens utgångspunkter med
Läs merStudie av gränssnittsprototyp i projektet Webbklustring - användarupplevelsen
LINKÖPINGS UNIVERSITET Institutionen för Datavetenskap Studie av gränssnittsprototyp i projektet Webbklustring - användarupplevelsen Namn E-mail Evelina Rennes evere305@student.liu.se INNEHÅLL INNEHÅLL
Läs mer2 Beskrivning av ändrade förutsättningar
Author Fredrik Zachrisson Phone +46 10 505 47 41 Mobile + 46 (0)76-772 43 53 E-mail fredrik.zachrisson@afconsult.com Recipient Håbo Kommun Plan- och utvecklingsavdelningen Märit Olofsson Nääs 746 80 Bålsta
Läs merLUFFARSCHACKETS GRUNDER
LUFFARSCHACKETS GRUNDER Många har frågat mig: Kan man träna luffarschack? Jodå, svarar jag. Det går alldeles utmärkt och det ger bevisligen resultat. Men lika väl som man inte blir fotbollsproffs efter
Läs merStina Nyman 2012-09-16
LINKOPINGS UNIVERSITET, IDA SmartKom Hur systemet fungerar Stina Nyman 2012-09-16 stiny786 Artificiell intelligens II Sammanfattning Detta projekt kommer handla om SmartKom som är ett multimodalt dialogsystem
Läs merGrunderna kring helmäskning
Grunderna kring helmäskning I bryggskolans kapitel extraktbryggning och delmäskning så har vi berättat om hur du kan brygga goda öl med hjälp av dessa metoder. Vad vi också nämner är att i extraktbryggning,
Läs merHerren behöver dem. Av: Johannes Djerf
Herren behöver dem Av: Johannes Djerf Jag tänkte börja med att fråga om någon vet vilken produkt som denna logga tillhör? (bild). Karlsson Klister, det som är känt för att kunna laga allt. Det lagade mina
Läs merEn rapport om driftprofiler för trafiksäkerhetskameror 2010-03-30
Utvärdering av ATKsystemet En rapport om driftprofiler för trafiksäkerhetskameror 2010-03-30 Sammanfattning Rapporten är framtagen med ekonomiskt bidrag från Vägverkets Skyltfond. Ståndpunkter och slutsatser
Läs merRecept för rörelse. TEXT Johan Pihlblad. Lena Kallings är medicine doktor och landets främsta expert på fysisk aktivitet på recept.
Recept för rörelse Minst hälften av svenska folket rör sig för lite. Forskare varnar för negativa hälsoeffekter och skenande sjukvårdskostnader i en snar framtid. Frågan är vad som går att göra. Fysisk
Läs merUtskrift av inspelat samtal hos Arbetsförmedlingen
BJÖRN L BERGLUND UTSKRIFT AV SAMTAL HOS AF 1 (9) Utskrift av inspelat samtal hos Arbetsförmedlingen Samtalet ägde rum hos Arbetsförmedlingen i Sollentuna tisdag 13 juni 2006 kl. 11.00 Inspelningen är cirka
Läs merBeskrivning av arbetsätt och upplevd erfarenhet från ett demensboende som infört arbetsmetoden praktisk professionell planering (PPP)
Beskrivning av arbetsätt och upplevd erfarenhet från ett demensboende som infört arbetsmetoden praktisk professionell planering (PPP) Praktisk professionell planering (PPP) Bakgrundsfakta: Erfarenheterna
Läs merProblem: BOW Bowling. Regler för Bowling. swedish. BOI 2015, dag 1. Tillgängligt minne: 256 MB. 30.04.2015
Problem: BOW Bowling swedish BOI 0, dag. Tillgängligt minne: 6 MB. 30.04.0 Byteasar tycker om både bowling och statistik. Han har skrivit ner resultatet från några tidigare bowlingspel. Tyvärr är några
Läs mer1. Månens rörelser. Övning 1: Illustrera astronomiska fenomen
Övning 1: Illustrera astronomiska fenomen Uppgiften var att skapa illustrationer till fyra texter. Illustationerna tydliggör allt det som texten beskriver. 1. Månens rörelser Månen roterar runt jorden
Läs merTrimsarvets förskola
Trimsarvets förskola Likabehandlingsplan & Plan mot diskriminering och kränkande behandling Läsåret 2014/2015 Planen gäller från 2014-09-01 till 2015-08-31 Grunduppgifter Verksamhetsformer som omfattas
Läs merJust nu pågår flera satsningar för att förbättra svenska elevers måluppfyllelse
Andersson, Losand & Bergman Ärlebäck Att uppleva räta linjer och grafer erfarenheter från ett forskningsprojekt Författarna beskriver en undervisningsform där diskussioner och undersökande arbetssätt utgör
Läs merHäckningsresultat hos stare 2006 2008 i Kvismaren
Häckningsresultat hos stare 2006 2008 i Kvismaren Jan Sondell I förra årsskriften presenterades en sammanfattning av de studier av stare som pågått vid Kvismare fågelstation under drygt fyra decennier.
Läs merSlutrapport minfritid.nu 2013
Slutrapport minfritid.nu 2013 KULTUR- OCH FRITIDSFÖRVALTNIGNEN Kulturavdelningen 2013 Uppdrag och bakgrund Bakgrund 2011 genomförde sex kommuner och Habilitering & Hälsa inom Stockholms läns landsting
Läs merÖstbergsskolans loggbok!
Östbergsskolans loggbok! Dag 1 det första vi gjorde var att gå varvet runt och lärde oss varandras namn. Det gick ganska snabbt,gruppen var ganska blandad,vissa gick i 6:an vissa i 7:an och några från
Läs merLika eller olika? Hur företagare och unga ser på löner och anställning ELIN BENGTSSON DECEMBER, 2009
Lika eller olika? Hur och ser på löner och anställning ELIN BENGTSSON DECEMBER, 9 Lika eller Olika? 1 Sammanfattning Lika eller olika? Ganska lika faktiskt. Unga kan inte bara tänka sig lägre ingångslön,
Läs merEffektivare avel för jaktegenskaper hos engelsk setter
Effektivare avel för jaktegenskaper hos engelsk setter av Per Arvelius En hunduppfödare strävar efter att välja de avelsdjur som nedärver önsvärda egenskaper till valparna. Eftersom många egenskaper påverkas
Läs merVägars och gators utformning
Vägars och gators utformning E XEMPEL SAMLING VÄGMÄRK EN DEL 1 Tr af ik ve r ke t s p u b lik a tio n 20 12 : 20 0 A n lä g g nin g s s t y r nin g Titel: Vägars och gators utformning. Exempelsamling vägmärken,
Läs merPenningpolitiken och Riksbankens kommunikation
ANFÖRANDE DATUM: 2007-10-08 TALARE: PLATS: Förste vice riksbankschef Irma Rosenberg Swedbank, Stockholm SVERIGES RIKSBANK SE-103 37 Stockholm (Brunkebergstorg 11) Tel +46 8 787 00 00 Fax +46 8 21 05 31
Läs merFår jag be om ordet!
Får jag be om ordet! Får jag be om ordet är ett datorprogram för läs- och skrivutveckling, utvecklat av logoped Bitte Rydeman. Det innehåller åtta olika delprogram, där man på olika sätt arbetar med ordbilder,
Läs merTidigt uppföljningssystem Skövde
Tidigt uppföljningssystem Skövde TUSS Bakgrund rev 2, 2012-08-10 Inledning Det tidiga uppföljningssystemet TUSS är ett verktyg för de programansvariga (eller motsvarande befattning) att arbeta med studentuppföljning,
Läs merRita med ritstift. Raka banor Klicka med Ristiftet vid varje hörn.
Rita med ritstift Raka banor Klicka med Ristiftet vid varje hörn. Mjuka kurvor Klicka, håll ned musknappen och dra i banans riktning. En hävarm dras ut på var sida om ankarpunkten. De sitter ihop som en
Läs merMimer Akademiens arbete med barnens matematikutveckling Ann S Pihlgren Elisabeth Wanselius
Mimer Akademiens arbete med barnens matematikutveckling Ann S Pihlgren Elisabeth Wanselius Matematikdidaktik hur förbättrar vi resultaten? I olika undersökningar de senaste 25 åren visar det sig att de
Läs merTillväxt och klimatmål - ett räkneexempel
Tillväxt och klimatmål - ett räkneexempel 2012-02-07 Detta dokument är ett räkneexempel som har tagits fram som stöd i argumentationen för en motion till Naturskyddsföreningens riksstämma år 2012. Motionen
Läs merFöreläsning 7 - Faktormarknader
Föreläsning 7 - Faktormarknader 2012-11-22 Faktormarknader En faktormarknad är en marknad där produktionsfaktorer prissätts och omsätts. Arbetsmarknaden Individen Hela marknaden Efterfrågan på arbetskraft
Läs mer