Browsing NTNU Open by Author "Aune, Erlend"
Now showing items 1-19 of 19
-
A Supervised Sliding Window Approach for Change Point Detection in Multivariate Time Series
Aalvik Stranden, Sindre (Master thesis, 2020)Dette arbeidet gjennomfører multivariat change point-deteksjon ved hjelp av kunstige nevrale nettverk. Hovedbidraget til denne masteroppgaven var å implementere en sliding vindumetode som evaluerer alle sub-sekvenser av ... -
Computation and modeling for high dimensional Gaussian distributions
Aune, Erlend (Doktoravhandlinger ved NTNU, 1503-8181; 2012:285, Doctoral thesis, 2012) -
Deep Reinforcement Learning and Generative Adversarial Networks for Abstractive Text Summarization
Lie, Borgar Rannem; Kalmar, Alf Niklas Håkonsen (Master thesis, 2018)News articles, papers and encyclopedias, among other texts can be time-consuming to digest. Often, you are not interested in reading all the material, but only some of it. Summaries can be useful to get a grasp of what ... -
Ensemble and Self-supervised Learning for Improved Classification of Seismic Signals from the Åknes Rockslope
Lee, Daesoo; Aune, Erlend; Langet, Nadege; Eidsvik, Jo (Journal article; Peer reviewed, 2022)A case study with seismic geophone data from the unstable Åknes rock slope in Norway is considered. This rock slope is monitored because there is a risk of severe flooding if the massive-size rock falls into the fjord. The ... -
Forecast Uncertainty for Univariate Time Series Using Generative Adversarial Networks
Opland, Mathias (Master thesis, 2020)Når man skal predikere fremtidige verdier av en tidsrekke er usikkerheten i prediksjonene en viktig faktor. Nylig har konkurranser innen tidsrekke-prediksjon vist at nevrale nettverk presterer svært godt, men usikkerhetsmålet ... -
Forecasting Red Wine Rankings at Vinmonopolet with Machine Learning
Fagerås, Stephanie Jebsen (Master thesis, 2021)I Norge blir salg av drikkevarer med over 4,75 % alkohol monopolisert av Vinmonopolet og kontrollert av strenge lover som forbyr reklame. Vinmonopolet bytter produktutvalg annenhver måned, der de lanserer nye produkter og ... -
Forecasting Univariate Time Series with Missing Data
Klippen, Elen Ekeberg (Master thesis, 2021)Manglande data er ikkje-observerte verdiar for ein variabel, og er ofte å finne i tidsrekkjer frå den verkelege verda. Ved å lage modellar som beskriv tidsrekkjer kan ein lage estimat på framtidige verdiar av det tidsrekkja ... -
Global Models for Time Series Forecasting With Applications to Zero-Shot Forecasting
Dengerud, Erik Olsvik (Master thesis, 2021)Globale tidsrekkemodeller er tilpasset til et sett med tidsrekker. Dette er i motsetning til lokale tidsrekkemodeller som er tilpasset individuelle tidsrekker. En global tilnærming kan motvirke overtilpasning siden vi ... -
Musical Source Separation using Diffusion Models
Solberg, Aleksander Johnsen (Master thesis, 2023)Musikalsk kildeseparering er en utfordrende oppgave innen lydsignalbehandling som har som mål å ekstrahere individuelle kilder fra en musikalsk blanding, for eksempel å separere vokal fra bakgrunnsmusikk. I de siste årene ... -
On the effect of positional encodings in Transformer models for time series forecasting
Haugsdal, Espen (Master thesis, 2021)Denne oppgaven undersøker effekten posisjons-koding (positional encoding) har på prediksjon av tidsrekker med Transformer modeller. Prediksjon av tidsrekker er et viktig problem med mange bruksområder. Nøyaktige prediksjoner ... -
Persistence Initialization: a novel adaptation of the Transformer architecture for time series forecasting
Haugsdal, Espen; Aune, Erlend; Ruocco, Massimiliano (Peer reviewed; Journal article, 2023)Time series forecasting is an important problem, with many real world applications. Transformer models have been successfully applied to natural language processing tasks, but have received relatively little attention for ... -
Pool-Based Active Learning with Data Deletion
Ferstad, Andreas Opsahl (Bachelor thesis, 2020)Recently introduced data regulations, like the European Union's General Data Protection Regulation (GDPR), mandate data owners to delete data whenever it violates any restrictions, typically consent withdrawal from data ... -
Representation Learning for Semi-Supervised Time Series Classification
Fougner, Irene (Master thesis, 2021)Tidsrekke-klassifisering har med tiden blitt et tema av stor interesse og brukes ofte i viktige applikasjons-domener som for eksempel medisin og finans. Klassifisering av tidsrekker krever ofte en stor mengde med data som ... -
Ringeriksbanen - Vurdering av drivemetode
Netland, Haakon Alstad; Aune, Erlend (Master thesis, 2016)Ringeriksbanen har som formål å korte ned reisetiden mellom Oslo og Bergen, og har vært utredet en rekke ganger siden 1858. Tekniske utfordringer, store kostnader og politikernes motvilje til å bevilge midler til prosjektet, ... -
The Uncertainty Principle: A Survey and Exploration of Orthonormal Functions
Aune, Erlend (Master thesis, 2008)We give a survey of the classical uncertainty principle and uncertainty principles related to orthonormal sequences of functions. Furthermore, we present a new result concerning the minimality of additive uncertainty for ... -
Three-dimensional Roof Surface Geometry Inference Using Remote Sensing Data
Martinussen, Jakob Gerhard (Master thesis, 2020)I denne masteroppgaven presenterer vi en ende-til-ende maskinlæringsprosedyre for å identifisere beliggenheten, orientering og høyden til takoverflater ved hjelp av fjernmålinger (digitale overflatemodeller og/eller flyfoto). ... -
Uncertainty Measures and Transfer Learning in Active Learning for Text Classification
Oftedal, Tina Olivia Sørlie (Master thesis, 2019)Dyp læring har blitt et fremtredende og populært verktøy i et bredt spekter av applikasjoner som omhandler behandling av komplekse data. For å kunne trene en modell tilstrekkelig, er imidlertid dyp læring avhengig av store ... -
Vector Quantized Time Series Generation using Diffusion Models
Tufte, Martin Gudahl (Master thesis, 2023)Tidsrekkegenerasjon (TSG) er en type generativ modellering som fokuserer på å lære fordelingen av tidsrekker. En ny tilnærming til TSG, kalt TimeVQVDM, er foreslått for å kombinere vektorkvantisering med diffusjonsmodell ... -
Vector Quantized Time Series Generation with a Bidirectional Prior Model
Lee, Daesoo; Malacarne, Sara; Aune, Erlend (Journal article; Peer reviewed, 2023)Time series generation (TSG) studies have mainly focused on the use of Generative Adversarial Networks (GANs) combined with recurrent neural network (RNN) variants. However, the fundamental limitations and challenges of ...