Matematikcentrum

Lund University

Förslag på masterexamensarbetesprojekt

  • The cocktail party problem
  • Natural listening situations that require listeners to selectively attend to a talker of interest in noisy environments with multiple competing talkers are among the most challenging situations encountered by hearing impaired listeners. The goal of this project is to study the effects of hearing impairment on auditory attention which is needed in order to further advance hearing aids. Data will be provided by Eriksholm Research Centre where participants were instructed to attend to one of two simultaneous talkers in the foreground mixed with multi-talker babble noise in the background.
  • Spatial modellering av försäkring
  • Korrekt prissättning av försäkringar är en viktig fråga. En vanlig lösning är att ta hänsyn till socio-ekonomisk status (inkomst, utbildning, ålder, etc) hos både försäkringstagaren och området som försäkringsobjektet finns i. Genom att också ta hänsyn till spatialt beroende mellan närliggande områden kan förbättra skattningar av försäkringsrisker. Målsättningen med det här exjobbet är att utveckla ett tidigare arbete genom att konstruera modeller som tittar på både risken för olyckor och kostnaden av de resulterande försäkringsskadorna.
  • Respiratory and pulse monitoring
  • The goal of this project is to achieve respiratory and/or pulse monitoring using novel radar technology. The project will be done at Acconeer using their 60 GHz pulsed coherent radar which originates from research at LTH. Prerequisites: FMSF10/MASC04, (FMSN45/MASM17, FMSN35/MASM26)
  • Modellering av motorkylare
  • TitanX Engine Cooling tillverkar komponenter för motorkylning, för att modellera komponenterna används idag en intern programvara. Sambanden i modellen baseras på experimentel data och modelleringen behöver utvecklas. Examensarbete kommer att analysera den existerande modellen, undersöka vilka fall som beskrivs väl och vilka falls om kan förbättras och därefter utveckla modellen för identifierade problematiska fall.
  • Classification of brain signals using power spectral density estimators and Riemannian geometry
  • This project aims to test different spectral estimators' performance in Riemannian geometry-based machine learning for the classification of electroencephalography (EEG) data. Prerequisites: FMSF10/MASC04
  • Measures for brain functional connectivity
  • This project aims to investigate different brain functional connectivity measures using simulated electroencephalography (EEG) data and test their robustness against varying levels of signal-to-noise ratios. Prerequisites: FMSF10/MASC04, FMSN45/MASM17