Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
The Memory Cloud : Personal media libraries as affordance and constraint
No full textThe Memory Cloud is a musical instrument that uses a player's own library of personal recordings as sonic material. This paper presents the design of the instrument, situating it within sustainability HCI studies and constraints-based design, before describing the instrument being used by two musicians in a professional context. Over 2000 sounds from the musician's personal cloud library, dating back over 10 years, were placed in the instrument as the only sonic material available for exploring. I argue that a radically small scale and personal approach could be one strategy for addressing the issues of longevity in NIME, and I suggest that using personal media libraries presents a potential affordance and constraint for musical instrument design.QC 20250710</p
Undersökning av Synaptiska Viktfördelningars Roll i att Överskrida Nätverksstrukturers Inverkan på Neural Dynamik
No full textBiological neural networks contain significant amounts of neurons. These networks form predictable structures and patterns regarding both connectivity (structure) and the strength of connections (synaptic weight). However, there is a gap in knowledge about how these aspects together shape network activity. This study investigates whether distributions of synaptic weights can affect or override the dynamics produced by commonly found subgraphs, called motifs, in network structure. The results in this study are drawn from computational simulations of spiking neural networks, parameterized by synaptic weight distributions and network structures. This paper focuses on varying shapes of Gaussian, uniform and log-normal distributions, and their effects on convergent, divergent, and chain motifs. The study found that networks with convergent motifs had amplified activity, while the other structures remained more rigid when changing synaptic weight distributions. These findings contribute to a better understanding of the importance of synaptic weight distributions, useful for constructing biologically accurate neural networks.Biologiska neurala nätverk innehåller betydande mängder neuroner. Dessa nätverk bildar förutsägbara strukturer och mönster, både gällande konnektivitet (struktur) och styrkan av kopplingarna (synaptisk styrka). Det saknas dock kunskap om hur dessa aspekter tillsammans påverkar ett neuralt nätverks aktivitet. Denna studie undersökte om olika fördelningar av synaptiska vikter kan påverka eller överskrida dynamiken som vanligtvis orsakas av ofta förekommande subgrafer, så kallade motiv, i nätverksstrukturer. Resultaten i denna studie är framtagna med hjälp av data-simuleringar av neurala nätverk, parametriserade av synaptiska viktfördelningar och nätverksstruktur. Artikeln fokuserar på olika former av normal-, likformig- och lognormalfördelningar, samt deras påverkan på konvergent-, divergent- och kedje-motiv. Studien fann att nätverk med konvergenta motiv fick förstärkta effekter, medan andra strukturer påverkades mindre av ändringar i synaptiska viktfördelningar. Dessa resultat bidrar till en bättre förståelse av betydelsen av synaptiska viktdistributioner, vilket är användbart för att konstruera biologiskt korrekta neurala nätverk
Passagerarbeteendens inverkan vid på- och avstigning i tunnelbanan med social force-modellen
No full textFactors affecting the efficiency of subway systems are worth studying as they are an affordable and high-capacity option of travel. In this thesis, we use a computer crowd simulation to measure how different passenger practices during subway boarding can affect the alighting and boarding (A&B) times of subway trains. The simulation we built for this purpose models an idealized subway carriage with A&B passengers incorporating the Social force model for pedestrian dynamics, with passenger characteristics and model parameters based on models and field studies by other researchers and passenger data from the Stockholm metro provided by SL. Primarily we evaluate the commonly accepted best-practice of boarding passengers standing to the sides of the train doors as the train arrives and waiting for all alighting passengers to exit the train before boarding. We evaluate it in terms of the total time for A&B actions in relation to how many of the alighting passengers the boarding passengers wait for. We also evaluate the impact that different numbers of ’rule-breaking’ passengers may have on the total time of A&B actions. These rule-breakers may stand in front of the doors, and attempt to board the train immediately. We also briefly evaluate the effect of boarding passengers waiting on only one rather than both sides of the train doors. Our findings indicate that different passenger practices generally have little impact on the total A&B time at lower crowding levels and number of passengers carrying out A&B actions. As levels of crowding and the number of passengers increase, the positive impact of waiting for alighting passengers to exit the train increases. In terms of total A&B time and the probability of deadlock where some passengers fail to alight or board, at high levels of crowding, it seems ideal for boarding passengers to wait for 80% of alighting passengers. Rule-breaking passengers also have a greater negative effect on boarding times at high levels of crowding. Boarding passengers waiting at only one side of the doors as opposed to both has a slight positive impact on the total A&B actions time at low numbers of boarding passengers.Tunnelbannesystem erbjuder världen över ett effektivt resealternativ med hög kapacitet och faktorer som påverkar deras effektivitet är då värda att studera. I denna avhandling använder vi en datorsimulering för att uppskatta hur olika passagerarbeteenden under påstigning i tunnelbanan påverkar den totala på och avstigningstiden. Simulationen vi byggde för detta syfte modelerar en idealiserad tunnelbanevagn med på-och avstigande passagerare och använder ’Social Force’ modellen för fotgängarbeteende, med passagerarattribut baserade på tidigare modeller och fälltstudier av andra forskare samt passagerardata från Stockholms tunnelbana delade av SL. Vi utvärderar primärt hur den allmänt antagna metoden där påstigande väntar vid sidan av tågdörrarna på att avstigande lämnar tåget före de börjar stiga på tåget. Vi utvärderar den i mått av total tid för på och avstigning i relation till hur stor andel av avstigande passagerare de påstigande väntar på. Vi utvärderar också påverkan när en andel av ’regelbrytare’ bland the påstigande väntar direkt framför dörrarna och omedelbart försöker stiga på direkt när dörrarna öppnas. Vi utvärderar också kortfattat alternativa påstigningmetoder. Det vi fann var att passargearbeteende har liten betydelse för totala på- och avstigningstider vid låga passagerarnivåer utan mycket trängsel. När trängsel och antalet på- och avstigande ökar, fann vi en reduktion av den totala tiden när påstigande väntar på en större andel av de avstigande. När trängseln är hög minskar också risken för låsta positioner i simulationen där vissa passagerare inte kan stiga på eller av genom att fler påstigande passagerare väntar på avstigande passagerarna. Med båda faktorer i beaktning verkar det idealt för påstigande att vänta för 80% av avstigande. ’Regelkbrytande’ passagerare har också en större negativ inverkan vid högre nivåer av trängsel. Påstigande passagerare som endast väntade på en sida av dörren istället för båda har en liten positiv påverkan på den totala på- och avstigningstiden vid lägre antal påstigande passagerare
Robusthets- och genomförbarhetsundersökningför ett kromatografiskt buffertkoncept
No full textThe biopharmaceutical industry is under pressure to reduce production costs while ensuring the safetyand quality of their products. One area within pharmaceutical industry that poses great potential forefficiency improvements is buffer preparation, which is both labour-intensive and requires substantialstorage space, contributing to inefficiencies in the production process. This project explores thepotential for improving buffer preparation efficiency at Octapharma´s Stockholm site by transitioningfrom traditional method of buffer preparation to in-line dilution technology. The project includes four Buffers (Buffer B, C, E and F) but focuses primarily on two buffer solutions,Buffer C and Buffer F, used in Heparin-Sepharose chromatography, a critical process in large-scalebiopharmaceutical manufacturing. This project aims to evaluate the feasibility of in-line dilution forbuffer preparation by examining the impact of mass composition errors on critical buffer parameterssuch as pH, conductivity, and stability. Experimental testing was conducted to investigate the effect ofvarying the mass ratio of different components in the buffers, and theoretical calculations were made topredict pH of a buffer. The results indicated that deviations in mass ratio up to ± 10% of phosphatecomponents had minimal impact on both pH and conductivity, suggesting that in-line dilution couldoffer greater flexibility and reliability. Changes to the mass ratio of sodium chloride had a significanteffect on the pH and conductivity of both the buffers. The theoretical calculations were accurate forBuffer C since it had the lowest ionic strength, but the model required further improvements to predictpH of high ionic strength solutions. Furthermore, the study examined the effects of different storage conditions on phosphate concentrates,revealing that aerated conditions led to a decrease in pH, which could compromise buffer quality. Anoperational assessment analysis was conducted showing that in-line dilution significantly reduceslabour hours by 92% (47.5 hours) per week, thus cutting down on operational costs and improvingoverall effectivity. The findings of this work support the conclusion that implementing in-line dilutiontechnology at Octapharma is feasible and could alleviate potential production bottlenecks, improvescalability, and reduce costs, making it a promising future approach. This shift has the potential tostreamline buffer preparation and increase the overall efficiency and cost-effectiveness of theproduction system.Den biofarmaceutiska industrin är under press att minska produktionskostnaderna samtidigt somsäkerheten och kvaliteten på produkterna säkerställs. Ett område inom biofarmaceutiska industrin somhar potential för effektivitetsförbättringar är buffertberedningen, som både är arbetsintensiv ochkräver betydande lagringsutrymme, vilket bidrar till ineffektivitet i produktionsprocessen. Dettaprojekt undersöker potentialen för att förbättra effektiviteten i buffertberedningen vid Octapharma’sanläggning i Stockholm genom att övergå från traditionella metoder för buffertberedning till in-linedilution teknologi. Projektet innefattar fyra buffertar (Buffert B, C, E och F) men fokuserar främst på två buffertlösningar,Buffert C och Buffert F, som används i ett Heparin-Sepharose kromotagrafiskt steg, en kritisk processinom den storskaliga biofarmaceutiska tillverkningen hos Octapharma. Målet med projektet är attutvärdera genomförbarheten av in-line dilution för buffertberedning genom att undersöka effekten avmasskompositionsfel på kritiska buffertparametrar såsom pH, konduktivitet och stabilitet.Experimentella tester genomfördes för att undersöka effekten av att variera massförhållandet mellanolika komponenter i buffertarna, och teoretiska beräkningar gjordes för att försöka förutsäga pH i enbuffertlösning. Resultaten visade att avvikelser i massförhållandet upp till ± 10% förfosfatkomponenterna hade en minimal påverkan på både pH och konduktivitet, vilket tyder på att inlinedilution kan erbjuda större flexibilitet och tillförlitlighet. Förändringar i massförhållandet förnatriumklorid hade en betydande effekt på pH och konduktivitet för båda buffertarna. De teoretiskaberäkningarna var korrekta för buffert C eftersom den hade den lägsta jonstyrkan, men modellenbehövde förbättras ytterligare för att kunna förutsäga pH i lösningar med hög jonstyrka. Studien undersökte även effekterna av olika lagringsförhållanden på fosfatkoncentrat och visade attaeroba förhållanden ledde till en minskning av pH vilket skulle kunna påverka buffertkvaliteten. Enanalys av driftkostnader genomfördes och visade att in-line dilution signifikant minskararbetsåtgången med 92% (47.5 timmar) per vecka, vilket i sin tur minskar driftkostnaderna ochförbättrar effektiviteten. Fynden i detta arbete stödjer slutsatsen att implementering av in-line dilutionteknologi vid Octapharma kan motverka potentiella flaskhalsar vid produktion, förbättra skalbarhetenoch minskar kostnader, vilket gör detta till en lovande framtida metod. Denna förändring har potentialatt effektivisera buffertförberedningen samt öka den övergripande effektiviteten ochkostnadseffektiviteten i produktionssystemet
Jämförelse av felfrekvenserna av Shors och Steanes kvantfelrättande koder och ingen felkorrigering i en simulerad kvantdator
No full textThe potential of quantum computers for solving certain problems has been hypothesised and proven for a long time. As an example Peter Shor came up with an algorithm to calculate prime factors of big numbers efficiently using quantum computers back in 1995. 30 years later we are still far away from constructing a quantum computer that can perform these algorithm with a non-trivial amount of data. Behind the promise of quantum computers lie several issues; in our research we decided to focus on correcting for errors, called noise, that can potentially occur in a quantum computer. Noise mostly stems from the environment, the computer architecture, and from quantum operations. In our research we tried to correct for these errors using the Shor and Steane error correction codes in a simulated environment using IBM’s Qiskit framework. Our results show that both error correction codes produce worse results than not using any error correction at all.Kvantdatorers potential har förutspåtts och bevisats sedan länge. Redan 1995 upptäckte Peter Shor en algoritm för att primtalsfaktorisera tal effektivare än vanliga datorer. 30 år senare så har fortfarande ingen lyckats bygga en kvant-dator som kan arbeta med tillräckligt mycket data för att beräkna något som en vanlig dator inte skulle klara av. Innan en praktiskt användbar kvantdator kan byggas så finns många problem kvar att lösa. Ett av dem är problemet med brus i kvantdatorer, alltså fel som sker i beräkningarna. Detta brus kommer från omgivningen, datorn själv och från varje beräkning som görs. Vår forskning undersöker två felkorrigeringsmetoder för kvantdatorer: Shors och Steanes felkorrigeringsmetod. Dessa testades i en simulerad kvantdator genom IBM:s Qiskit-ramverk. Vårt resultat visar att båda felkorrigeringsmetoderna presterar sämre än ingen felkorrigeringsmetod alls
En Komparativ Studie av Kvantnyckelsfördelning i Amplitud- och Fasdämpande Miljöer
No full textOur work investigates which quantum key distribution protocol is the most efficient in noisy environments, specifically for amplitude damping and phase damping. We tested three different protocols using simulations—BB84, B92 and BBM92—with gradually increasing noise. The results show that BBM92 performs best in the presence of noise. In low noise environments, BB84 and BBM92 perform the best while B92 performs the worst in all environments. Our conclusion is that BBM92 is the best performing protocol in these noisy conditions though BB84 can achieve similar performance with less hardware.Denna studie undersöker vilket kvantnyckelfördelningsprotokoll som är mest effektivt i brusiga miljöer, specifikt med amplituddämpning och fasdämpning. Vi testade tre olika protokoll genom simulationer—BB84, B92 och BBM92— med gradvis ökande brus. Resultaten visar att BBM92 presterar bäst i närvaron av brus. I miljöer med lågt brus presterade BB84 och BBM92 bra medan B92 presterade värst i alla miljöer. Vår slutsats är att BBM92 är det bäst presterande protokollet i dessa brusiga miljöer men BB84 uppnår liknande prestanda med mindre hårdvara
Parameterinställning för dolda kanaler i domännamnssystemet : Utvärdering av undvikande av signaturbaserade intrångsdetekteringssystemn
No full textThe Domain Name System (DNS) is essential for Internet communication, but its widespread use and open access make it a common target for covert data exfiltration. This thesis explores how the DNS tunneling tool iodine can evade detection by signature-based intrusion detection systems (IDS), focusing on Snort. We develop a controlled virtual testbed in which legitimate DNS queries are mixed in with tunneled traffic, and we evaluate four distinct scenarios: (1) a baseline with default iodine settings, (2) modification of the DNS record type, (3) alteration of the EDNS(0) flag, and (4) simultaneous modification of both parameters. We quantify detection performance using packet-based False Negative Rate (FNR) and False Positive Rate (FPR) metrics, and we measure exfiltration capacity via bandwidth tests. Our results show that, in the baseline, iodine tunnels are detected with an FNR below 1%, while single-parameter modifications raise the FNR to approximately 50%, i.e. roughly a 50-fold increase in evasion. Crucially, combining record-type and EDNS(0) modifications achieves full evasion (FNR = 100%) without generating false positives (FPR = 0%) and maintains comparable throughput (up to 961 Kbit/s). These findings expose fundamental limitations of signature-based DNS-tunneling detection and underscore the need for complementary anomaly-based or machine-learning techniques.Domännamnssystemet (DNS) utgör en grundpelare i internetkommunikation, men eftersom det är allmänt tillgängligt blir det ofta utnyttjat för dold dataöverföring. Denna kandidatuppsats undersöker hur DNS-tunnelverktyget iodine kan undvika att upptäckas av signaturbaserade intrångsdetekteringssystem (IDS). Det IDS som används i studien är Snort. I studien skapas en kontrollerad virtuell testmiljö där vanlig DNS-trafik blandas med tunneltrafik. Fyra olika scenarier utvärderas: (1) grundkonfiguration med iodines standardinställningar, (2) ändring av DNS-posttyp, (3) modifiering av EDNS(0)-flaggan, och (4) samtidig förändring av båda parametrarna. Detektionsprestanda mäts genom paketbaserade mått för felaktigt negativa (FNR) och felaktigt positiva (FPR) resultat, medan tunnelns kapacitet utvärderas via bandbreddstester. Resultaten visar att iodine med standardinställningar upptäcks nästan fullständigt (FNR < 1%). Ändring av en enskild parameter höjer dock FNR till cirka 50%, vilket innebär en femtiofald ökning av undvikande. Avgörande är att kombinationen av ändringar i posttyp och EDNS(0) uppnår fullständig undvikelse (FNR = 100%) utan att skapa felaktigt positiva resultat (FPR = 0%), samtidigt som hög prestanda bibehålls (upp till 961 Kbit/s). Sammanfattningsvis visar resultaten på tydliga brister i signaturbaserad detektion, vilket understryker behovet av mer robusta metoder, såsom anomalibaserad analys eller maskininlärningsbaserade system
Jämförande analys av A* och Q-learning-algoritmer för robotbanplanering i dynamiska lagerlokaler
No full textThe purpose of this thesis was to compare the performance of the A* and Q-learning algorithms for robot path planning in dynamic warehouse environments. The primary metric was throughput, defined as the number of packages successfully transported per robot within a set number of simulation steps. Results showed distinct strengths for each algorithm depending on environmental complexity. The Q-learning algorithm, enhanced with Double Deep Q-Network (DDQN) and QMIX for multi-agent coordination, demonstrated superior adaptability and higher throughput in environments with dynamic obstacles such as humans. In contrast, the A* algorithm proved reliable primarily in static or less dynamic scenarios. These findings suggest reinforcement learning methods, when suitably enhanced and tuned, can outperform traditional heuristic algorithms in dynamic warehouse conditions.Syftet med denna avhandling var att jämföra prestandan hos A*- och Q-learning-algoritmerna för planering av robotbanor i dynamiska lagermiljöer. Det primära måttet var genomströmning, definierat som antalet paket som framgångsrikt transporterats per robot inom ett visst antal simuleringssteg. Resultaten visade tydliga styrkor för varje algoritm beroende på miljöns komplexitet. Q-learning-algoritmen, förbättrad med Double Deep Q-Network (DDQN) och QMIX för koordinering mellan flera agenter, visade överlägsen anpassningsförmåga och högre genomströmning i miljöer med dynamiska hinder, såsom människor. Däremot visade sig A*-algoritmen vara tillförlitlig främst i statiska eller mindre dynamiska scenarier. Dessa resultat tyder på att inlärningsmetoder, när de är lämpligt förbättrade och finjusterade, kan överträffa traditionella heuristiska algoritmer i dynamiska lagerförhållanden
Undersökning av vad AI-detektorer anser vara generativ AI i kod och text
No full textDetection tools for artificial intelligence have the purpose of detecting the likelihood that some content is generated by generative AI. Similarly to the generative tools themselves, the detection tools follow complex algorithms to return the results of the likelihood. As such, whether the detection tools are reliable or not, altering parts of the content, even minor changes, can lead to different results. In this thesis, we tried to find out what the effects of making specific changes to parts of text and code could have on three different detection tools, for the purpose of finding out what is considered more AI or not by them. We found that overall in text, using symbols such as ampersands or having choppy sentence lengths caused texts to be considered more likely to be human-written, while heavily simplified text was considered more likely to be AI generated. For C++ code, on the other hand, the introduction of lambda functions was deemed to be less likely to be AI generated. However, this was not consistent in all AI detectors, showing that the detectors do not work the same and are not built the same.Detektionsverktyg för artificiell intelligens har syftet att upptäcka sannolikheten att ett innehåll är genererat av generativ AI. Likt de generativa verktygen följer detektionsverktygen komplexa algoritmer för att ge resultat om sannolikheten. Oavsett om detekteringsverktygen är tillförlitliga eller inte kan ändringar av delar av innehållet, hur små de än är, leda till olika resultat. I denna avhandling försökte vi ta reda på vilka effekter specifika ändringar på delar av text och kod hade på tre olika detektionsverktyg, i syfte att få reda på vad som anses vara mer AI eller inte av dem. Vi fann att det i text generellt ansågs vara mer sannolikt att vara skrivet av en människa när texten innehöll symboler som och-tecken eller med hackiga meningslängder, medan väldigt simplifierad text ansågs vara mer sannolikt genererat av AI. För C++ kod å andra sidan var det främst introduktionen av lambda funktioner som ansågs vara mindre sannolikt att vara AI genererat. Dock var det inte konsekvent i alla AI detektorer, något som visar att detectorerna fungerar olika och är uppbygda på olika sätt
En jämförande analys av träningsstrategier för autoencoders vid detektering av kreditkortsbedrägerier
No full textAs time passes, financial payments become more digitalized. Thus, the probability for credit card fraud arises and detecting these become a crucial challenge in today’s society. This study investigates the impact of modifying the training method of numerous hybrid models consisting of an autoencoder and some classifier. Here, the goal is to compare two approaches: One that involves using legitimate and fraudulent transactions as training data, and the other only training our model on legitimate transactions. The first part of the hybrid model, the encoding stage of an autoencoder, reduces the dimensionality and then inputs the data to one of three classifiers. These include: K-Nearest Neighbors (KNN), Logistic Regression and Multi-Layer Perceptron (MLP). For evaluation of these hybrid models we use several metrics which involves precision, recall, F1-Score and accuracy. Our findings contradict our hypothesis regarding how only using legitimate transactions as training data might improve performance, where the results suggest a decrease in performance across all models introduced. These discoveries potentially imply that excluding fraudulent transactions in the training data reduces the model’s ability to distinguish anomalies in the latent space. Although the idea did not increase performance, this study is still a new addition to the limited literature on hybrid models in fraud detection and opens the door to further research into hybrid model design and training strategies for fraud detection.Finansiella betalningar blir alltmer digitaliserade, därmed blir risken för kortbedrägerier mer vanliga. Därför blir utvecklandet av modeller som kan upptäcka dessa en stor utmaning för dagens samhälle. Denna studie undersöker effekten av att modifiera träningsmetoder för flera olika hybridmodeller, bestående av kodningsdelen av en autoencoder och en klassificerare. Två metoder jämförs: Ett där man använder både legitima och icke legitima transaktioner och ett som enbart använder sig av legitima transaktioner för att träna våra modeller. Autoencodern reducerar indatat till en lägre dimension och sedan ger ut data till en av tre klassificerare: K-Nearest Neighbors (KNN), Logistic Regression and Multi-Layer Perceptron (MLP). För att evaluera prestandan för dessa hybridmodeller används följande mätningar: precision, recall, F1-Score and accuracy. Resultatet motsäger vår hypotes kring att bara träna vår modell på enbart legitima transaktioner, potentiellt kan öka prestandan där resultatet blev sänkning för alla hybridmodeller för det föreslagna tillvägagångssättet. Dessa tyder på att uteslutning av icke legitima transaktioner påverkar modellens förmåga att urskilja anomalier i det latenta rummet. Trots att modellen inte uppfyllde hypotesen, är denna studie fortfarande ett tillägg till den begränsade forskningen kring hybridmodeller inom upptäckandet av bedrägerier. Vidare öppnar denna studie upp dörren för vidare studier inom modellarkitektur och träningsstrategier