Title: | Studies on unsupervised and weakly supervised methods in computational modeling of early language acquisition Ohjaamattomat ja heikosti ohjatut menetelmät kielenoppimisen laskennallisessa mallinnuksessa |
Author(s): | Räsänen, Okko |
Date: | 2013 |
Language: | en |
Pages: | 74 + app. 122 |
Department: | Signaalinkäsittelyn ja akustiikan laitos Department of Signal Processing and Acoustics |
ISBN: | 978-952-60-5097-3 (electronic) 978-952-60-5096-6 (printed) |
Series: | Aalto University publication series DOCTORAL DISSERTATIONS, 55/2013 |
ISSN: | 1799-4942 (electronic) 1799-4934 (printed) 1799-4934 (ISSN-L) |
Supervising professor(s): | Laine, Unto K., Prof. Aalto University, Finland |
Thesis advisor(s): | Laine, Unto K., Prof. Aalto University, Finland |
Subject: | Computer science, Linguistics |
Keywords: | computational modeling, language acquisition, pattern discovery, speech processing, cognitive modeling, speech segmentation, unsupervised learning, laskennallinen mallinnus, kielenoppiminen, hahmojen etsintä, puheenkäsittely, kognitiivinen mallinnus, puheen segmentointi, ohjaamaton oppiminen |
|
|
Abstract:Tämä väitöskirja käsittelee varhaisen kielenoppimisen laskennallista mallinnusta hyödyntäen tilastollisia oppimismenetelmiä. Jatkuvasti kasvava määrä kokeellisen psykologian ja aivotutkimuksen tutkimuksia on osoittanut että ihmislapset ovat herkkiä aistiärsykkeiden tilastollisille ominaisuuksille, ja että näillä tilastollisilla ominaisuuksilla on keskeinen rooli varhaisessa äidinkielen kehityksessä. Ajatus kielen omaksumisesta pelkkänä mukautumisena aistiärsykkeiden rakenteellisiin ominaisuuksiin ilman synnynnäisiä kielispesifejä oppimismekanismeja on ristiriidassa niin kutsutun perinteisen nativistisen ajattelumallin kanssa. Jälkimmäisessä synnynnäisille kielellisille mekanismeille annetaan suuri painoarvo. |
|
Parts:[Publication 1]: Okko Räsänen, Unto K. Laine and Toomas Altosaar. Blind segmentation of speech using non-linear filtering methods. In Ivo Ipsic (Eds.): Speech Technologies, InTech, pp. 105–124, 2011[Publication 2]: Okko Räsänen, Unto K. Laine and Toomas Altosaar. Computational language acquisition by statistical bottom-up processing. Proc. Interspeech'08, Brisbane, Australia, 1980–1983, 2008[Publication 3]: Okko Räsänen, Unto K. Laine and Toomas Altosaar. Self-learning vector quantization for pattern discovery from speech. Proc. Interspeech'09, Brighton, England, pp. 852–855, 2009[Publication 4]: Okko Räsänen and Unto K. Laine. A method for noise-robust context-aware pattern discovery from categorical sequences. Pattern Recognition, Vol. 45, pp. 606–616, 2012[Publication 5]: Okko Räsänen. A computational model of word segmentation from continuous speech using transitional probabilities of atomic acoustic events. Cognition, Vol. 120, pp. 149–176, 2011[Publication 6]: Okko Räsänen. Context induced merging of synonymous word models in computational modeling of early language acquisition. Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP’12), pp. 5037–5040, 2012[Publication 7]: Okko Räsänen and Heikki Rasilo. Acoustic analysis supports the existence of a single distributional learning mechanism in structural rule learning from an artificial language. Proc. 34th Annual Conference of the Cognitive Science Society (CogSci2012), Sapporo, Japan, pp. 887–892, 2012[Publication 8]: Okko Räsänen. Average spectrotemporal structure of continuous speech matches with the frequency resolution of human hearing. Proc. Interspeech'2012, Portland, Oregon, 2012[Publication 9]: Okko Räsänen. Computational modeling of phonetic and lexical learning in early language acquisition: existing models and future directions. Speech Communication, Vol. 54, pp. 975–997, 2012 |
|
|
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Page content by: Aalto University Learning Centre | Privacy policy of the service | About this site