Kategorisering av nyhetstexter med RBF-nät
|
|
- Ulla-Britt Gunilla Åkesson
- för 7 år sedan
- Visningar:
Transkript
1 Kategorisering av nyhetstexter med RBF-nät Henrik Linström Oscar Täckström 2D Språteknologi, HT04, Nada, KTH 13 oktober 2004 Sammanfattning Kategorisering av svensk nyhetstext utförs med RBF-nät. Radialbaslagret tränas med Expectation Maximization, en oövervakad iterativ algoritm. Utlagrets vikter tränas med övervakad inlärning i vilken minsta-kvadratfelet mellan utdata och facit minimeras med hjälp av minsta-kvadratmetoden. Indata består av en term-dokumentmatris vilken dimensionsreduceras innan den skickas till RBF-nätet. Som bäst klassificeras 90 95% av för systemet okända nyhetstexter rätt. 1 Textkategorisering Grundantagandet vid textkategorisering är att texter som tillhör samma kategori är mer lika varandra än vad texter som tillhör olika kategorier är. Ett besläktat problem är textklustring då man, istället för att försöka mappa texter till olika fördefinierade kategorier, försöker hitta en naturlig uppdelning av textmängden sådan att varje delmängd innehåller liknande texter. Vi representerar varje text som en vektor med ett element för varje ord som existerar i korpusen. Varje element består av frekvensen av ordet i texten, relativt totala antalet ord i texten. Eftersom texterna representeras av vektorer kan många olika likhetsmått definieras. Vanligast är att det euklidiska avståndet används. En textkategori kan därefter representeras som en typvektor och texter som ligger närmare denna typvektor än alla andra typvektorer anses tillhöra kategorin. Istället för att använda typvektorer låter vi ett RBF-nät lära sig en representation av textkategorier. Denna representation består av en linjärkombination av radialbasfunktioner som automatiskt placerats ut i textrymden. Hur dessa placeras ut och viktas samman beskrivs i följande avsnitt. 2 ANN/RBF-nät Artificiella neuronnät, ANN, används för att lösa olika typer av inlärnings och mönsterigenkänningsproblem. Korfattat kan man säga att ett ANN utgörs av en mängd noder kopplade till varandra via vikter, se Figur 1. Oftast har man ett inlager som läser in indata. Noderna i inlagret är kopplade till noder i ett gömt mellanlager vilka i sin tur är kopplade till ett utlager. Varje nod i mellanlagret får som indata en viktad linjärkombination av indata via innoderna, och svarar, eller exciteras, enligt en funktion av denna indata. Mellannodernas svar linjärkombineras sedan och utgör indata till utlagret. Värdet på vikterna bestäms under en inlärningsfas där nätet matas med träningsdata. [1] Vi använder oss av radialbasfunktioner, 1
2 Figur 1: Ett RBF-nät RBF:er, i mellanlagret. RBF:erna utgörs av gaussklockor av samma dimensionalitet som indata. Som vi ser i Figur 1 är varje nod i indatalagret kopplad till varje nod i mellanlagret. Motsvarande gäller för kopplingen mellan mellanlagret och utdatalagret. Träningen av nätet sker i två steg, vilka beskrivs mer ingående nedan. 1. Beräkning av RBF:ernas medelvärden och varianser 2. Beräkning av vikterna i kopplingarna till utlagret 2.1 Träning av mellanlager I steg 1. används en algoritm som kallas Expectation Maximization, EM, vilket är en oövervakad inlärningsalgoritm [2]. Algoritmen arbetar under antagandet att indata kan beskrivas som ett antal idealkluster och att varje sample ligger på ett normalfördelat avstånd till sitt idealkluster. Därmed kan dessa kluster beskrivas med hjälp av gaussklockor. RBF:erna ses alltså som sannolikhetsfördelningar och algoritmen maximerar sannolikheten för att indata generats av dessa. Detta under antagandet att a-priori sannolikheten för att ett visst sample ska ha genererats av en viss fördelning är uniform. Algoritmen arbetar iterativt genom att svaret, d v s funktionsvärdet, för varje RBF för varje vektor i indata beräknas. Därefter uppdateras RBF:ernas medelvärden och varianser för att bättre beskriva indatarymden. Uppdateringen viktas med hur mycket varje RBF svarar, ju större utslaget på en RBF är desto mer uppdateras den. I teorin är EM garanterad att konvergera till ett lokalt maximum, d v s varianser och medelvärden stabiliseras. I praktiken kan dock, vilket vi fått erfara, svåra numeriska problem uppstå, se avsnitt 3.2, där implementationen beskrivs mer ingående. 2.2 Träning av vikter till utlager När EM-algoritmen konvergerat tar steg 2. vid. Detta består av en övervakad batchinlärning där vikterna för linjärkombinationerna av RBF:erna till utnoderna beräknas. Det totala felet för nätets approximation av funktionen från indata till utdata minimeras. Detta fel beräknas som: ˆf( x i ) f( x i ) 2, där ˆf( x i ) är nätets approximation för sample x i. Vi ställer upp ett linjärt ekvationssystem Φ W = f, där Φ är en matris som innehåller respektive RBF:s svar på varje sample i indata och W är den önskade viktmatrisen. Minstakvadratlösningen beräknas varpå nätet är färdigtränat och kan testas genom att köras på testdata och sedan jämföra svaret från nätet med ett facit. 3 Implementation 3.1 Utvinning av data På grund av begränsat minnesutrymme och begränsad tid används bara 450 texter till trä- 2
3 ning och 50 texter till testning, jämnt fördelat över kategorierna. Texterna tas slumpvis ur en korpus bestående av ca nyhetsartiklar ur Dagens Nyheter från de senaste 20 åren. Varje text är märkt med någon av kategorierna: ekonomi, utrikes, inrikes, sport och kultur. Med hjälp av programmet tokstem, skrivet av diverse personer på Nada, tokeniseras dessa texter, sammansättningar delas upp och alla ord överförs till grundform. En termdokumentmatris byggs därefter med hjälp av ett enkelt program skrivet i Java. Matrisen har efter detta i det aktuella fallet 8113x500 element, varav de fem sista kolonnerna representerar klassificeringen av varje dokument, en ekonomitext klassificeras t.ex. som (1, 0, 0, 0, 0). Term-dokumentmatrisen används därefter som indata till RBF-nätalgoritmen, vars implementation beskrivs nedan. 3.2 Implementation av RBF-nätet Term-dokumentmatrisen är mycket gles eftersom det i varje dokument endast förekommer ett fåtal av alla de ord som förekommer i alla texter sammanlagt. Detta skapar problem då vi använder EM för att placera ut RBF:erna. Origo får för stor dragningskraft, och alla RBF:er dras dit. Vi löser detta problem genom att dimensionsreducera data: de dimensioner där variansen över alla dokument är som störst skickas vidare till nätet. Ett experimentellt bestämt lämpligt tröskelvärde för denna varians används, se avsnitt 4. Alla dimensioner med en varians under detta värde kastas. Det dyker emellertid upp ett nytt problem. Då indata är så gles som i vårt fall, visar det sig att algoritmen ofta inte konvergerar. Detta gäller speciellt då en stor del av indata är identisk i många dimensioner. För en mer djupgående analys hänvisas till [3]. På grund av denna uppgifts begränsade omfång väljer vi att lösa problemet genom att bortse från uppdateringen av variansen. Vi antar alltså att variansen är fix och lika för alla gaussklockor. Under detta antagande fås algoritmen att konvergera. Variansen uppskattas till σ 2 = d max d min 2 /M, där d max, d min är största respektive minsta värdet hos indata över alla dimensioner och M är antalet RBF:er. För att få hyfsade initialvärden sätts RBF:ernas medelvärde till slumpvis utvalda samples av indata. Dessutom adderas ett litet värde, 0, 2 visar sig fungera bra, till alla dimensioner för att motverka den höga densiteten i origo. Detta ger snabbare konvergens jämfört med att slumpa ut medelpunkterna helt fritt i indatarymden. I steg 2. viktas svaren från RBF:erna till fem stycken utnoder, en för varje kategori av text, och vikterna beräknas så som beskrivs i avsnitt 2.2. Idealvärdena hos utnoderna är f i ( x j ) = 1 om x j tillhör kategori i och 0 annars, dessa värden kommer dock aldrig att uppnås i praktiken. Intressant är att värdet på varje nod faktiskt kan tolkas som ett slags mått på sannolikheten att texten tillhör den aktuella kategorin. Slutligen låter vi vårt nät klassificera testdata och beräknar de olika utvärderingsmåtten, se avsnitt 4. RBF-nätet har implementerats i Matlab och denna implementation bygger till viss del på kod som används i laboration 4 i Nadakursen ANN och andra lärande system, VT04. Vi använder en modifierad form av gaussfunktionen för att undvika numeriska problem vid den höga dimensionaliteten: φ i ( x) = e x µ i 2 2σ 2 d där µ i och σ 2 är väntevärde respektive varians för RBF i och d är dimensionaliteten hos indata x. φ i ( x) normaliseras sedan så att summan av alla φ i ( x) för ett visst sample x är lika med 1. Vi låter act i beteckna detta normaliserade värde. Efter att φ i ( x j ) beräknats för alla i och j, så 3
4 uppdateras RBF:ernas väntevärden enligt: Ni=1 µ t+1 act t i j = x i Ni=1 act t i där µ t+1 j är skattningen av väntevärdet vid iteration t+1. Ovanstående två steg itereras tills konvergens nås, d v s då felfunktionen E = (1/d) µ t+1 i µ t i 2 nått under ett tröskelvärde (i vårt fall 10 4 ). För att optimera antalet RBF:er och hur starkt indata ska dimensionsreduceras körs en metaalgoritm som testar olika kombinationer av dessa två parametrar. För varje kombination tränas och testas nätet tre gånger, varefter medelvärdet för dessa testresultat beräknas och sparas undan (detta görs eftersom algoritmen inte är helt deterministisk). Den kombination med det högsta medelvärdet väljs sedan ut som parameterinställning. 4 Resultat Som bäst klassificerar systemet runt 95% av texterna rätt, detta sker vid en varianströskel på 0.05 och med 220 RBF:er. Den vanligaste felklassificeringen, speciellt då få RBF:er används, är att utrikestexter klassificeras som kulturtexter, detta kan dock vara en tillfällighet. Som vi ser i Figur 2 är antalet dimensioner av avgörande betydelse då antalet RBF:er är tillräckligt stort. Vid färre antal RBF:er är dock deras antal av avgörande betydelse, vilket framgår av Figur 3. Detta kan förklaras med att vi mättar behovet av beskrivningskraft och att vi måste låta nätet arbeta med fler dimensioner för att alla RBF:er ska komma till användning. Det bör observeras att tidskomplexiteten ökar markant då vi ökar antalet RBF:er. Vi har inte gjort något noggrann analys av komplexiteten, men noterar att vi för att beräkna vikterna till utlagret måste lösa ett ekvationssystem av storlek Mxm, där m är antalet RBF:er och M är antalet träningsexempel. Minneskomplexiteten är även den stor. Utnyttjandet av RBF:erna är kraftigt ooptimerat. En stor del av alla RBF:er lägger sig kring origo, vilket inte tillför någon beskrivningskraft åt nätet. Med detta i åtanke bör man kunna optimera nätet så att ett mycket mindre antal RBF:er behövs. Andel korrekt klassade testexempel Tröskelvärde för dimensionsvarians Antal RBF:er Figur 2: Prestanda med avseende på varianströskel och antal RBF:er Andel korrekt klassade texter Antal RBF:er Figur 3: Prestanda med avseende på antal RBF:er, vid varianströskel=0.2 4
5 Referenser [1] An Introduction to Neural Networks. Kevin Gurney, Routledge, London, [2] Machine Learning. Tom Mitchell, McGraw- Hill, Singapore, [3] On Convergence Problems of the EM Algorithm for Finite Gaussian Mixtures. Cédrik Archaumbeau et al., ESANN2003 proceedings, s ,
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 Punktskattning och kondensintervall Innehåll 1 Punktskattning och kondensintervall Population Punktskattning och kondensintervall Vi har en population vars någon mätbar egenskap X vi är intresserade
Läs merTentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 2012-01-09 kl 08-13
LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA241/9MA341/LIMAB6, STN2) 212-1-9 kl 8-13 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är
Läs merMätningar på op-förstärkare. Del 3, växelspänningsförstärkning med balanserad ingång.
Mätningar på op-förstärkare. Del 3, växelspänningsförstärkning med balanserad ingång. Denna gång skall vi titta närmare på en förstärkare med balanserad ingång och obalanserad utgång. Normalt använder
Läs merNågot om permutationer
105 Något om permutationer Lars Holst KTH, Stockholm 1. Inledning. I många matematiska resonemang måste man räkna antalet fall av olika slag. Den del av matematiken som systematiskt studerar dylikt brukar
Läs merEnkätresultat för elever i åk 9 i Borås Kristna Skola i Borås hösten 2012. Antal elever: 20 Antal svarande: 19 Svarsfrekvens: 95% Klasser: Klass 9
Enkätresultat för elever i åk 9 i Borås Kristna Skola i Borås hösten 2012 Antal elever: 20 Antal svarande: 19 Svarsfrekvens: 95% Klasser: Klass 9 Skolenkäten Skolenkäten går ut en gång per termin till
Läs merEnkätresultat för elever i år 2 i Nösnäsgymnasiet 2 i Stenungsund våren 2014
Enkätresultat för elever i år 2 i Nösnäsgymnasiet 2 i Stenungsund våren 2014 Antal elever: 47 Antal svarande: 40 Svarsfrekvens: 85% Klasser: 12BAa, 12BAb, 12LL Skolenkäten Skolenkäten går ut en gång per
Läs merCAEBBK01 Drag och tryckarmering
Drag och tryckarmering Användarmanual 1 Eurocode Software AB Innehåll 1 INLEDNING 3 1.1 ANVÄNDNINGSOMRÅDEN 3 1.2 TEKNISK BESKRIVNING 3 1.3 ARMERINGENS INLÄGGNING 4 1.4 ARBETSKURVA BETONG 4 2 INSTRUKTIONER
Läs merUppgift 2 0 0.10 1 0.25 2 0.40 3 0.20 4 0.05
Uppgift 1 En grönsaksgrossist har utvecklat ett test för att kontrollera kvaliteten hos tomater. Efter att ha inspekterat ett urval från ett parti tomater, accepteras eller förkastas partiet. Med detta
Läs merEnkätresultat för elever i år 2 i Mega Musik gymnasium hösten 2014. Antal elever: 47 Antal svarande: 46 Svarsfrekvens: 98% Klasser: MM13
Enkätresultat för elever i år 2 i Mega Musik gymnasium hösten 2014 Antal elever: 47 Antal svarande: 46 Svarsfrekvens: 98% Klasser: MM13 Skolenkäten Skolenkäten går ut en gång per termin till de skolor
Läs merEnkätresultat för elever i år 2 i Praktiska Skövde i Praktiska Sverige AB hösten 2014
Enkätresultat för elever i år 2 i Praktiska Skövde i Praktiska Sverige AB hösten 2014 Antal elever: 18 Antal svarande: 13 Svarsfrekvens: 72% Klasser: År 2 Skolenkäten Skolenkäten går ut en gång per termin
Läs merKapitel 6. f(x) = sin x. Figur 6.1: Funktionen sin x. 1 Oinas-Kukkonen m.fl. Kurs 6 kapitel 1
Kapitel 6 Gränsvärde 6. Definition av gränsvärde När vi undersöker gränsvärdet av en funktion undersöker vi vad som händer med funktionsvärdet då variabeln, x, går mot ett visst värde. Frågeställningen
Läs merTräning i bevisföring
KTHs Matematiska Cirkel Träning i bevisföring Andreas Enblom Institutionen för matematik, 2005 Finansierat av Marianne och Marcus Wallenbergs Stiftelse 1 Mängdlära Här kommer fyra tips på hur man visar
Läs mer4-6 Trianglar Namn:..
4-6 Trianglar Namn:.. Inledning Hittills har du arbetat med parallellogrammer. En sådan har fyra hörn och motstående sidor är parallella. Vad händer om vi har en geometrisk figur som bara har tre hörn?
Läs mera n = A2 n + B4 n. { 2 = A + B 6 = 2A + 4B, S(5, 2) = S(4, 1) + 2S(4, 2) = 1 + 2(S(3, 1) + 2S(3, 2)) = 3 + 4(S(2, 1) + 2S(2, 2)) = 7 + 8 = 15.
1 Matematiska Institutionen KTH Lösningar till tentamensskrivning på kursen Diskret Matematik, moment A, för D och F, SF161 och SF160, den juni 008 kl 08.00-1.00. DEL I 1. (p) Lös rekursionsekvationen
Läs mer4-3 Vinklar Namn: Inledning. Vad är en vinkel?
4-3 Vinklar Namn: Inledning I det här kapitlet skall du lära dig allt om vinklar: spetsiga, trubbiga och räta vinklar. Och inte minst hur man mäter vinklar. Att mäta vinklar och sträckor är grundläggande
Läs merkonstanterna a och b så att ekvationssystemet x 2y = 1 2x + ay = b 2 a b
Tentamen i Inledande matematik för V och AT, (TMV25), 20-0-26. Till denna uppgift skulle endast lämnas svar, men här ges kortfattade lösningar. a) Bestäm { konstanterna a och b så att ekvationssystemet
Läs merTränarguide del 1. Mattelek. www.mv-nordic.se
Tränarguide del 1 Mattelek www.mv-nordic.se 1 ATT TRÄNA MED MATTELEK Mattelek är ett adaptivt träningsprogram för att träna centrala matematiska färdigheter såsom antalsuppfattning, den inre mentala tallinjen
Läs merSANNOLIKHET. Sannolikhet är: Hur stor chans (eller risk) att något inträffar.
SANNOLIKHET Sannolikhet är: Hur stor chans (eller risk) att något inträffar. tomas.persson@edu.uu.se SANNOLIKHET Grundpremisser: Ju fler möjliga händelser, desto mindre sannolikhet att en viss händelse
Läs merLathund, procent med bråk, åk 8
Lathund, procent med bråk, åk 8 Procent betyder hundradel, men man kan också säga en av hundra. Ni ska kunna omvandla mellan bråkform, decimalform och procentform. Nedan kan ni se några omvandlingar. Bråkform
Läs merEkvationssystem, Matriser och Eliminationsmetoden
Matematiska institutionen Göteborgs universitet och Chalmers tekniska högskola Version 359 Ekvationssystem, Matriser och Eliminationsmetoden - En inledning Ekvationssystem - matrisformulering Vi såg att
Läs merTentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola.
Tentamen i TMA321 Matematisk Statistik, Chalmers Tekniska Högskola. Hjälpmedel: Valfri räknare, egenhändigt handskriven formelsamling (4 A4-sidor på 2 blad) och till skrivningen medhörande tabeller. Fredagen
Läs merLunds tekniska högskola Matematikcentrum Matematisk statistik
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMS0: MATEMATISK STATISTIK AK FÖR V EXEMPEL PÅ DUGGAUPPGIFTER, AVSNITT SANNOLIKHETSTEORI UPPGIFTER Kortare uppgifter. På en arbetsplats skadas
Läs merFöreläsning 9: Hypotesprövning
Föreläsning 9: Hypotesprövning Matematisk statistik David Bolin Chalmers University of Technology Maj 5, 2014 Statistik Stickprov Ett stickprov av storlek n är n oberoende observationer av en slumpvariabel
Läs merVi skall skriva uppsats
Vi skall skriva uppsats E n vacker dag får du höra att du skall skriva uppsats. I den här texten får du veta vad en uppsats är, vad den skall innehålla och hur den bör se ut. En uppsats är en text som
Läs merFacit med lösningsförslag kommer att anslås på vår hemsida www.ebersteinska.norrkoping.se. Du kan dessutom få dem via e-post, se nedan.
Detta häfte innehåller uppgifter från fyra olika områden inom matematiken. Meningen är att de ska tjäna som en självtest inför gymnasiet. Klarar du dessa uppgifter så är du väl förberedd inför gymnasiestudier
Läs merparametriska test Mätning Ordinalskala: Nominalskala:
Icke- parametriska test Icke- parametriska test En avgörande skillnad mellan icke-parametriska och s.k. parametriska test, som t.ex. t-test, är att de icke-parametriska testen kräver färre antaganden Icke-parametriska
Läs merHa det kul med att förmedla och utveckla ett knepigt område!
Kul med pizzabitar Första gången eleverna får materialet i handen bör dem få sin egen tid till att undersöka det på det viset blir dem bekanta med dess olika delar. Det kan också vara en god idé att låta
Läs merEfter att du har installerat ExyPlus Office med tillhörande kartpaket börjar du med att göra följande inställningar:
EXYPLUS OFFICE manual Välkommen till ExyPlus Office! Efter att du har installerat ExyPlus Office med tillhörande kartpaket börjar du med att göra följande inställningar: Hämta fordon Hämta alla fordonsenheter
Läs merIndividuellt Mjukvaruutvecklingsprojekt
Individuellt Mjukvaruutvecklingsprojekt RPG-spel med JavaScript Författare Robin Bertram Datum 2013 06 10 1 Abstrakt Den här rapporten är en post mortem -rapport som handlar om utvecklandet av ett RPG-spel
Läs merAlgebra, polynom & andragradsekvationer en pampig rubrik på ett annars relativt obetydligt dokument
Algebra, polynom & andragradsekvationer en pampig rubrik på ett annars relativt obetydligt dokument Distributiva lagen a(b + c) = ab + ac 3(x + 4) = 3 x + 3 4 = 3x + 12 3(2x + 4) = 3 2x + 3 4 = 6x + 12
Läs merINLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000
INLÄMNINGSUPPGIFT 2 (Del 2, MATEMATISK STATISTIK) Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000 Lärare: Armin Halilovic armin@syd.kth.se www.syd.kth.se/armin tel 08 790 4810 Inlämningsuppgift 2 består
Läs merSnabbslumpade uppgifter från flera moment.
Snabbslumpade uppgifter från flera moment. Uppgift nr Ställ upp och dividera utan hjälp av miniräknare talet 48 med 2 Uppgift nr 2 Skriv talet 3 8 00 med hjälp av decimalkomma. Uppgift nr 3 Uppgift nr
Läs merErfarenheter från ett pilotprojekt med barn i åldrarna 1 5 år och deras lärare
Erfarenheter från ett pilotprojekt med barn i åldrarna 1 5 år och deras lärare I boken får vi följa hur barn tillsammans med sina lärare gör spännande matematikupptäckter - i rutinsituationer - i leken
Läs merLinjära system av differentialekvationer
CTH/GU LABORATION MVE0-0/03 Matematiska vetenskaper Linjära system av differentialekvationer Inledning Vi har i envariabelanalysen sett på allmäna system av differentialekvationer med begynnelsevillkor
Läs merEnkätresultat för vårdnadshavare till elever i Centralskolan Söder 4-9 i Grästorp hösten 2012. Antal svar: 50
Enkätresultat för vårdnadshavare till elever i Centralskolan Söder 4-9 i Grästorp hösten 2012 Antal svar: 50 Skolenkäten Skolenkäten går ut en gång per termin till de skolor som ska tillsynas följande
Läs merÖvningshäfte i matematik för. Kemistuderande BL 05
Övningshäfte i matematik för Kemistuderande BL 05 Detta häfte innehåller några grundläggande övningar i de delar av matematiken som man har användning för i de tidiga kemistudierna. Nivån är gymnasiematematik,
Läs merVetenskapliga begrepp. Studieobjekt, metod, resultat, bidrag
Vetenskapliga begrepp Studieobjekt, metod, resultat, bidrag Studieobjekt Det man väljer att studera i sin forskning Nära sammankopplat med syftet Kan vara (fysiska) ting och objekt: Datorspel, Affärssystem,
Läs merTentamen i Linjär algebra (TATA31/TEN1) 2013 08 24, 14 19.
LINKÖPINGS UNIVERSITET Matematiska Institutionen Ulf Janfalk Kurskod: TATA Provkod: TEN Tentamen i Linjär algebra (TATA/TEN 8, 9. Inga hjälpmedel. Ej räknedosa. För godkänt räcker 9 poäng och minst uppgifter
Läs merElektronen och laddning
Detta är en något omarbetad version av Studiehandledningen som användes i tryckta kursen på SSVN. Sidhänvisningar hänför sig till Quanta A 2000, ISBN 91-27-60500-0 Där det har varit möjligt har motsvarande
Läs merSundbybergs stad Skolundersökning 2015 Föräldrar förskola Stella Nova förskola
Sundbybergs stad Skolundersökning 2 Föräldrar förskola Stella Nova förskola Antal svar Stella Nova förskola: 2 ( %) Antal svar samtliga fristående förskolor: (5 %) 1 Innehåll Om undersökningen Förklaring
Läs merVid ett flertal tillfällen ställde individer frågor till Edgar Cayce om
8 Är intuition och medial förmåga samma sak? Av Kevin J. Todeschi Vid ett flertal tillfällen ställde individer frågor till Edgar Cayce om hur man kan utveckla sin egen mediala förmåga. Frågorna formulerades
Läs merPesach Laksman är lärarutbildare i matematik och matematikdidaktik vid Malmö högskola.
111a Geometri med snöre Pesach Laksman är lärarutbildare i matematik och matematikdidaktik vid Malmö högskola. Areabegreppet När elever får frågan vad area betyder ges mestadels svar som antyder hur man
Läs merHT 2011 FK2004 Tenta Lärare delen 4 problem 6 poäng / problem
HT 2011 FK2004 Tenta Lärare delen 4 problem 6 poäng / problem Problem 1 (6p) En undersökning utfördes med målet att besvara frågan Hur stor andel av den vuxna befolkningen i Sverige äger ett skjutvapen?.
Läs merANVÄND NAVIGATIONEN I CAPITEX SÄLJSTÖD
ANVÄND NAVIGATIONEN I CAPITEX SÄLJSTÖD I Navigationen hittar du genvägar till funktioner i programmet. För att utnyttja detta på bästa sätt kan du anpassa Navigationen så att det passar ditt sätt att arbeta.
Läs mer2005-01-31. Hävarmen. Peter Kock
2005-01-31 Hävarmen Kurs: WT0010 Peter Kock Handledare: Jan Sandberg Sammanfattning Om man slår upp ordet hävarm i ett lexikon så kan man läsa att hävarm är avståndet mellan kraften och vridningspunkten.
Läs merSystematiskt kvalitetsarbete
Systematiskt kvalitetsarbete Rapport År: 2016 Organisationsenhet: NYEFSK/FSK Nye Förskola Fokusområde: Demokrati och värdegrund Övergripande mål: Normer och värden Deluppgift: Klassens kvalitetsrapport
Läs merLinjära system av differentialekvationer
CTH/GU STUDIO 6 MVE6 - /6 Matematiska vetenskaper Inledning Linjära system av differentialekvationer Vi har i studioövning sett på allmäna system av differentialekvationer med begynnelsevillkor u (t) =
Läs merOmvandla Vinklar. 1 Mattematiskt Tankesätt
Omvandla Vinklar 1 Mattematiskt Tankesätt (Kan användas till mer än bara vinklar) 2 Omvandla med hjälp av Huvudräkning (Snabbmetod i slutet av punkt 2) 3 Omvandla med Miniräknare (Casio) Läs denna Först
Läs merTillståndsmaskiner. 1 Konvertering mellan Mealy och Moore. Ola Dahl och Mattias Krysander Linköpings tekniska högskola, ISY, Datorteknik 2014-05-08
Tillståndsmaskiner Ola Dahl och Mattias Krysander Linköpings tekniska högskola, ISY, Datorteknik 2014-05-08 Figur 2: En tillståndsgraf av Moore-typ för att markera var tredje etta i en insignalsekvens.
Läs merInvisible Friend 2013-02-18 Senast uppdaterad 2013-02-19
Invisible Friend 2013-02-18 Senast uppdaterad 2013-02-19 Jenny Axene och Christina Pihl driver företaget Invisible Friend som skänker dockor till barn som sitter fängslade för att dom är födda där, barn
Läs merSundbybergs stad Skolundersökning 2015 Föräldrar förskola Fristående förskolor totalt 2015. Antal svar samtliga fristående förskolor: 360 (57 %)
Sundbybergs stad Skolundersökning Föräldrar förskola Antal svar samtliga fristående förskolor: ( %) Innehåll Om undersökningen Förklaring av diagram Resultat - Per fråga - NöjdKundIndex (NKI) Frågorna
Läs merSärskilt stöd i grundskolan
Enheten för utbildningsstatistik 15-1-8 1 (1) Särskilt stöd i grundskolan I den här promemorian beskrivs Skolverkets statistik om särskilt stöd i grundskolan läsåret 1/15. Sedan hösten 1 publicerar Skolverket
Läs merSF1625 Envariabelanalys
Modul 2: Derivata Institutionen för matematik KTH 8 september 2015 Derivata Innehåll om derivata (bokens kapitel 2). Definition vad begreppet derivata betyder Tolkning hur man kan tolka derivata Deriveringsregler
Läs merBibliotekMitt.se. Riktlinjer för Boktips, Artiklar, Arrangemang, Utställningar Arrangemang mm
BibliotekMitt.se Riktlinjer för Boktips, Artiklar, Arrangemang, Utställningar Arrangemang mm Här hittar du speciella riktlinjer för BibliotekMitt. Vill du ha mer detaljerat om varje funktion så finns en
Läs merSammanfattning av kursdag 2, 2013-03-07 i Stra ngna s och 2013-03-12 Eskilstuna
Sammanfattning av kursdag 2, 2013-03-07 i Stra ngna s och 2013-03-12 Eskilstuna Sammanfattning och genomgång av lektion 1 samt hemläxa. -Hur ta ut en position i sjökortet? Mät med Passaren mellan positionen
Läs merLösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001. Beräkna medelvärdet, standardavvikelsen, medianen och tredje kvartilen?
Lösningar till Tentamen i Matematisk Statistik, 5p 22 mars, 2001 1. Månadslönerna för 10 lärare vid en viss skola är 1 17 700 19 800 19 900 20 200 20 800 16 100 17 000 23 500 19 700 21 100 Beräkna medelvärdet,
Läs merProjekt benböj på olika belastningar med olika lång vila
Projekt benböj på olika belastningar med olika lång vila Finns det några skillnader i effektutveckling(kraft x hastighet) mellan koncentriskt och excentriskt arbete på olika belastningar om man vilar olika
Läs merMätning av effekter. Vad är elektrisk effekt? Vad är aktiv-, skenbar- reaktiv- medel- och direkteffekt samt effektfaktor?
Mätning av effekter Vad är elektrisk effekt? Vad är aktiv-, skenbar- reaktiv- medel- och direkteffekt samt effektfaktor? Denna studie ger vägledning om de grundläggande parametrarna för 3-fas effektmätning.
Läs merNATIONELLA MATEMATIKTÄVLING
NATIONELLA MATEMATIKTÄVLING PRATA OM SPELS EN KURS I SANNOLIKHET 1 INLEDNING Sannolikhetskursen består av sju olika steg där det sista steget utgörs av själva tävlingsmomentet. Det är upp till pedagogen
Läs merKryssproblem (redovisningsuppgifter).
Uppsala Universitet Matematiska Institutionen Bo Styf Flervariabelanalys, 5 hp STS, X 2010-03-19 Kryssproblem (redovisningsuppgifter). Till var och en av de åtta lektionerna hör ett par problem, som kallas
Läs merStatistiska metoder för säkerhetsanalys
F12: Tillförlitlighet och säkerhetsindex Cornell Styrka Säkerhetsindex Ett säkerhetsindex, b: Är ett mått på ett systems tillförlitlighet. Är ett grövre mått än felsannolikheten P f. Används när P f inte
Läs merMöbiustransformationer.
224 Om Möbiustransformationer Torbjörn Kolsrud KTH En Möbiustransformation är en komplexvärd funktion f av en komplex variabel z på formen f(z) = az + b cz + d. Här är a b c och d komplexa tal. Ofta skriver
Läs merFår nyanlända samma chans i den svenska skolan?
Får nyanlända samma chans i den svenska skolan? Sammanställning oktober 2015 De nyanlända eleverna (varit här högst fyra år) klarar den svenska skolan sämre än andra elever. Ett tydligt tecken är att för
Läs merGissa det hemliga talet
Laborationsanvisning Gissa det hemliga talet Steg 1, laborationsuppgift 1 Författare: Mats Loock Kurs: ASP.NET MVC Kurskod:1DV409 Innehåll Problem 4 Modell 4 Den uppräkningsbara typen Outcome 5 Strukturen
Läs merAvsikt På ett lekfullt sätt färdighetsträna, utveckla elevers känsla för hur vårt talsystem är uppbyggt samt hitta mönster som uppkommer.
Strävorna 4A 100-rutan... förmåga att förstå, föra och använda logiska resonemang, dra slutsatser och generalisera samt muntligt och skriftligt förklara och argumentera för sitt tänkande.... grundläggande
Läs merPresentationsövningar
Varje möte då temadialog används bör inledas med en presentationsövning. har flera syften. Både föräldrar och ledare har nytta av att gå igenom samtliga deltagares namn och dessutom få en tydlig bild av
Läs merFriskoleurval med segregation som resultat
Friskoleurval med segregation som resultat Rapport februari 2016 Sammanfattning och slutsatser Denna undersökning har tagits fram som en del av projektet Ge alla elever samma chans som är ett samarbete
Läs merManpower Work Life: 2014:1. Manpower Work Life. Rapport 2014. Mångfald på jobbet
Manpower Work Life: 2014:1 Manpower Work Life Rapport 2014 Mångfald på jobbet MÅNGFALD PÅ JOBBET Mångfald diskuteras ständigt i media, men hur ser det egentligen ut på Sveriges arbetsplatser? Hur ser svenska
Läs merKampanj kommer från det franska ordet campagne och innebär att man under en tidsbegränsad period bedriver en viss verksamhet.
EN LITEN KAMPANJSKOLA Kampanj kommer från det franska ordet campagne och innebär att man under en tidsbegränsad period bedriver en viss verksamhet. Finns det något man kan tänka på när man ska sprida ett
Läs merKontrollskrivning i Linjär algebra 2014 10 30, 14 18.
LINKÖPINGS UNIVERSITET Matematiska Institutionen Ulf Janfalk Kurskod: TATA Provkod: KTR Kontrollskrivning i Linjär algebra, 8. Inga hjälpmedel. Ej räknedosa. På uppgift skall endast svar ges. Varje rätt
Läs mer10.03.2010. Översikt. Rapport från skolverket. Förändring av matematikprestationerna 1995 2003-2007. Grundtankar bakom Pixel
Översikt Hur är situationen i Sverige och Norge när det gäller matematik-kompetensen? Är det nödvändigt att undervisa på andra sätt än vi gjort tidigare? Förändring av matematikprestationerna 1995 2003-2007
Läs merExempel på tentamensuppgifter i LMA100, del 1
Exempel på tentamensuppgifter i LMA100, del 1 Diskret matematik 1. Givet är de 7 bokstäverna i ordet APPARAT. Hur många olika ord (= bokstavspermutationer) kan man bilda av dem med (a) 7 bokstäver (b)
Läs mer912 Läsförståelse och matematik behöver man lära sig läsa matematik?
912 Läsförståelse och matematik behöver man lära sig läsa matematik? Med utgångspunkt från min egen forskning kring läsförståelse av matematiska texter kommer jag att diskutera olika aspekter av läsning
Läs merMatris för Hem och Konsumentkunskap åk.6 8 Nivå 1 Nivå 2 Nivå 3 Nivå 4
Ur Kunskapskrav Lgr11 Bedömningsaspekter Förstå recept och instruktioner Matris för Hem och Konsumentkunskap åk.6 8 Nivå 1 Nivå 2 Nivå 3 Nivå 4 Behöver lärarstöd med att förstå och följa ett recept. Är
Läs merANVÄNDARHANDLEDNING FÖR
ANVÄNDARHANDLEDNING FÖR TILLSÄTTARE/LAGLEDARE OCH DOMARE Cleverservice ett smart sätt att hantera matcher, domartillsättningar, samt utbetalningar av arvoden 2015 ANVÄNDARHANDLEDNING - CLEVERSERVICE Cleverservice
Läs merSammanfatta era aktiviteter och effekten av dem i rutorna under punkt 1 på arbetsbladet.
Guide till arbetsblad för utvecklingsarbete Arbetsbladet är ett verktyg för dig och dina medarbetare/kollegor när ni analyserar resultatet från medarbetarundersökningen. Längst bak finns en bilaga med
Läs merArbeta bäst där du är Dialect Unified Mi
Arbeta bäst där du är Dialect Unified Mi [Skriv sammanfattningen av dokumentet här. Det är vanligtvis en kort sammanfattning av innehållet i dokumentet. Skriv sammanfattningen av dokumentet här. Det är
Läs merSannolikhet och Odds
Sannolikhet och Odds Sannolikhet Tärning (Orange) och (Blå) 0 0 0 Om man satsat sina pengar på rätt summa multipliceras oddset med insatsen (pengarna man satsar) Odds Utfall (summan av två tärningar) Sannolikhet
Läs merStatsbidrag för läxhjälp till huvudmän 2016
Statsbidragsenheten 1 (5) Statsbidrag för läxhjälp till huvudmän 2016 Skolverket lämnar statsbidrag enligt förordning (2014:144) om statsbidrag för hjälp med läxor eller annat skolarbete utanför ordinarie
Läs merDatorövning 2 Statistik med Excel (Office 2007, svenska)
Datorövning 2 Statistik med Excel (Office 2007, svenska) Denna datorövning fokuserar på att upptäcka samband mellan två variabler. Det görs genom att rita spridningsdiagram och beräkna korrelationskoefficienter
Läs merProgram Handledning Förutsättningar: Träningar Teori
Program Handledning Förutsättningar: Träningar Teori Lördag (Dag 1) 07:30 Samling ledare 08:00 Lägret öppnas Information/indelning grupper iordningställande av sovsalar, genomgång av regler mm 09:30 Träning
Läs merTankar om elevtankar. HÖJMA-projektet
Tankar om elevtankar HÖJMA-projektet JAN UNENGE I förra numret av NÄMNAREN påbörjades en redogörelse från ett intressant forsknings- och utvecklingsarbete vid Lärarhögskolan i Jönköping. Den artikeln behandlade
Läs merKvalster. Korrelation och regression: lineära modeller för bivariata samband. Spridningsdiagram. Bivariata samband
Kvalster och regression: lineära modeller för bivariata samband Matematik och statistik för biologer, 10 hp En viss sorts kvalster (Demodex folliculorum) trivs bra i människors hårsäckar. Enligt en studie
Läs merArbetsplan Jämjö skolområde
Arbetsplan Jämjö skolområde 2016 för Torhamns skola Jämjö skolområde: Jämjö skolområde består av ett antal skolor inklusive fritidshem där vår gemensamma målsättning är att ge alla elever bästa förutsättningar
Läs merSkillnaden mellan betygsresultat på nationella prov och ämnesbetyg i årskurs 9, läsåret 2010/11
Utbildningsstatistik 2011-12-08 1 (20) Dnr Skillnaden mellan betygsresultat på nationella prov och ämnesbetyg i årskurs 9, läsåret 2010/11 Skolverket publicerar i SIRIS, Skolverkets internetbaserade resultat-
Läs merNATIONELLT KURSPROV I MATEMATIK KURS B HÖSTEN 1998. Tidsbunden del
Nationellt kursprov i Matematik kurs B ht 1998 sida 1 (av 7) Skolverket hänvisar generellt beträffande provmaterial till bestämmelsen om sekretess i 4 kap. 3 sekretesslagen. För detta material gäller sekretessen
Läs merVolymer av n dimensionella klot
252 Volymer av n dimensionella klot Mikael Passare Stockholms universitet Ett klot med radien r är mängden av punkter vars avstånd till en given punkt (medelpunkten) är högst r. Låt oss skriva B 3 (r)
Läs merLaborativ matematik som bedömningsform. Per Berggren och Maria Lindroth 2016-01-28
Laborativ matematik som bedömningsform Per Berggren och Maria Lindroth 2016-01-28 Kul matematik utan lärobok Vilka förmågor tränas Problemlösning (Förstå frågan i en textuppgift, Använda olika strategier
Läs merMåttbandet nr 236 mars 2014
Måttbandet nr 236 mars 2014 BETYGSSTATISTIK SKOLÅR 9 VÅREN 2013 Sammanställning över Skolverkets betygsstatistik och modellberäknade SALSA-värden för betygsresultat skolår 2012/2013 Verksamhetsuppföljningen
Läs merFrågor och svar TLV:s beslut att begränsa subventionen för Cymbalta
1 (5) Tandvårds- och läkemedelsförmånsverket 100421 Frågor och svar TLV:s beslut att begränsa subventionen för Cymbalta 1. Mot vilken sjukdom används läkemedlet Cymbalta? Läkemedelsverket har godkänt det
Läs merFöreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik
Föreläsning 8: Räkning. Duvhålsprincipen. Kombinatorik Summaregeln Om och B är disjunkta mängder så B = + B, ty innehåller inga upprepningar Produktregeln Om och B är disjunkta mängder så är B = B Exempel:
Läs merFINLAND I EUROPA 2008
Intervju- och undersökningstjänster A FINLAND I EUROPA 2008 BLANKETT ATT FYLLA I SJÄLV Intervju- och undersökningstjänster B FINLAND I EUROPA 2008 BLANKETT ATT FYLLA I SJÄLV GS1. Här beskrivs kortfattat
Läs merx 2 + px = ( x + p 2 x 2 2x = ( x + 2
Inledande kurs i matematik, avsnitt P.3 P.3. Bestäm en ekvation för cirkeln med mittpunkt i (0, 0) och radie 4. Med hjälp av kvadratkompletteringsformeln + p = ( + p ) ( p ) En cirkel med mittpunkt i (
Läs merKundservicerapport Luleå kommun 2015
LULEÅ KOMMUN SKRIVELSE Dnr 1 (5) 2016-01-21 Maria Norgren Kundservicerapport Luleå kommun 2015 Kommunstyrelsen har den 12 augusti 2013 fastställt riktlinjer för kundservice Luleå Direkt. Luleå kommun ska
Läs merModul 6: Integraler och tillämpningar
Institutionen för Matematik SF65 Envariabelanalys Läsåret 5/6 Modul 6: Integraler och tillämpningar Denna modul omfattar kapitel 6. och 6.5 samt kapitel 7 i kursboken Calculus av Adams och Essex och undervisas
Läs merLaborationspecifikation
UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistisk Statistik för tekniska datavetare 5 poäng Per Arnqvist 2007-05-03 Laborationspecifikation Redovisning Ni får gärna jobba parvis och
Läs merPartnerskapsförord. giftorättsgods görs till enskild egendom 1, 2. Parter 3. Partnerskapsförordets innehåll: 4
Partnerskapsförord giftorättsgods görs till enskild egendom 1, 2 Parter 3 Namn Telefon Adress Namn Telefon Adress Partnerskapsförordets innehåll: 4 Vi skall ingå registrerat partnerskap har ingått registrerat
Läs merAbstrakt. Resultat. Sammanfattning.
Abstrakt Bakgrund. Inom idrotten strävar många atleter att förbättra sin maximala förmåga i styrka i ett antal övningar med olika redskap. Min frågeställning har varit: Kan en pension på 66 år förbättra
Läs merManual för BPSD registret. Version 6 / 2013 06 17
Manual för BPSD registret Version 6 / 2013 06 17 Logga in Logga in till registret överst till höger på hemsidan. (Observera att du hittar testdatabasen längre ner på hemsidan) Fyll i ditt personliga användarnamn
Läs merProgrammera en NXT Robot
KUNGLIGA TEKNISKA HÖGSKOLAN Programmera en NXT Robot Med hjälp utav NXC Peyman Torabi 2012-09-03 E-post: peymant@kth.se Introduktionskurs i datateknik (II1310) Sammanfattning Uppgiften var att analysera
Läs mer