First international workshop for small animal arthroscopy : matkakertomus

Jarmo Rintasalo, Pentti Tapio

Sustainability - a challenge to animal production and breeding

Selostus: Kestävän kehityksen vaatimukset kotieläintuotannossa ja -jalostuksessa

Effects of composite casein and [beta]-lactoglobulin genotypes on renneting properties and composition of bovine milk by assuming an animal model

Selostus: Kaseiinien yhdistelmägenotyyppien ja [beta]-laktoglobuliinin genotyyppien vaikutus maidon juoksettumisominaisuuksiin ja koostumukseen

Detection of bias in animal model pedigree indices of heifers

Selostus: Eläinmalliin perustuvien hiehojen odotusarvojen luotettavuus jalostusarvon ennusteena

Business competence and training needs in Finnish companies operating in the Leningrad Region

Tässä pro gradu -työssä tutkitaan Leningradin alueella, Venäjällä, toimivien suomalaisyritysten liiketoimintaosaamisen koulutustarpeita. Tavoitteena on ollut tutkia, millaisia yritysten koulutustarpeet ovat, sekä lisäksi selvittää yleisemmällä tasolla, miten liiketoimintaosaaminen määritellään. Useat tutkimusta varten haastatellut johtajat pitävät liiketoimintaosaamista erityisesti markkinoilla toimimiseen liittyvänä osaamisena. Myös johtaminen, sekä tuotteet ja teknologia nähdään liiketoimintaosaamisen tärkeinä osina. Yrityksillä on koulutustarpeita seuraavilla alueilla: johtaminen; myynti, markkinat ja asiakkaat; yrityksen sisäinen yhteistyö; kielet, sekä juridiikka ja laskentatoimi. Haastateltavien mukaan markkinoiden nopea kehitys sekä yrityksen kasvu luovat yrityksille koulutustarpeita. Yllättäen myös Venäjän koulutusjärjestelmää itsessään pidetään koulutustarpeiden syynä. Tutkimuksessa mukana olleiden yritysten koulutuskäytännöt ovat keskenään melko erilaisia: koulutusbudjetti, koulutuspäivien määrä ja koulutusorganisaation valintakriteerit vaihtelevatyrityksestä riippuen. Joka tapauksessa yleisin koulutusmuoto näyttää olevan yrityksen sisäinen koulutus. Monet haastateltavat painottavat suuresti uusien työntekijöiden kouluttamista. Selvästikin rekrytointi ja uusien työntekijöiden koulutus vievät suuren osan tutkimusta varten haastateltujen johtajien ajasta. Tärkeä huomio koulutusmarkkinoihin liittyen on se, että lyhyiden, kaikille avoimien koulutusten kohdalla markkinat ovat Pietarissa täynnä. Suurimpana uhkana nähdään alalla vallitseva kouluttajapula.

On the differential evolution algorithm and its appliation to training radial basis function networks

The parameter setting of a differential evolution algorithm must meet several requirements: efficiency, effectiveness, and reliability. Problems vary. The solution of a particular problem can be represented in different ways. An algorithm most efficient in dealing with a particular representation may be less efficient in dealing with other representations. The development of differential evolution-based methods contributes substantially to research on evolutionary computing and global optimization in general. The objective of this study is to investigatethe differential evolution algorithm, the intelligent adjustment of its controlparameters, and its application. In the thesis, the differential evolution algorithm is first examined using different parameter settings and test functions. Fuzzy control is then employed to make control parameters adaptive based on an optimization process and expert knowledge. The developed algorithms are applied to training radial basis function networks for function approximation with possible variables including centers, widths, and weights of basis functions and both having control parameters kept fixed and adjusted by fuzzy controller. After the influence of control variables on the performance of the differential evolution algorithm was explored, an adaptive version of the differential evolution algorithm was developed and the differential evolution-based radial basis function network training approaches were proposed. Experimental results showed that the performance of the differential evolution algorithm is sensitive to parameter setting, and the best setting was found to be problem dependent. The fuzzy adaptive differential evolution algorithm releases the user load of parameter setting and performs better than those using all fixedparameters. Differential evolution-based approaches are effective for training Gaussian radial basis function networks.

The Rein-Deer Drawn from the living Animal

Stockton 1789