search query: @keyword model selection / total: 6
reference: 6 / 6
« previous | next »
Author: | Särkkä, Simo |
Title: | Bayesilaiset menetelmät audiovisuaalisen puheen havaitsemisen mallintamisessa |
Bayesian Methods in Modelling of Audiovisual Speech Perception | |
Publication type: | Master's thesis |
Publication year: | 2000 |
Pages: | 107 Language: fin |
Department/School: | Sähkö- ja tietoliikennetekniikan osasto |
Main subject: | Laskennallinen tekniikka (S-114) |
Supervisor: | Lampinen, Jouko |
Instructor: | Lampinen, Jouko |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark S80 | Archive |
Keywords: | bayesian inference FLMP A/V-integration model selection bayesilainen päättely FLMP A/V-integraatio mallinvalinta |
Abstract (fin): | Työssä tutkittiin ihmisen audiovisuaalisen puheen havaitsemisen matemaattisia malleja käyttäen bayesilaiseen päättelyyn perustuvia mallinnus- ja mallinvalidointimenetelmiä. Tarkoituksena oli selvittää, kuinka hyvin aiemmin esitetty FLMP-malli pystyy selittämään empiirisistä kokeista saadut mittaustulokset ja tutkia, millä tavoin mallia voitaisiin parantaa. Lähtökohtana oli, että kaikkien parannuksien ja uusien mallien tulee olla ihmisen psykologian avulla perusteltavissa tai tulkittavissa. Tutkimusmenetelmänä käytettiin bayesilaiseen päättelyyn perustuvia mallinvalidointimenetelmiä, joiden avulla pystytään vertailemaan erilaisia malleja sen perusteella, kuinka hyvin ne kuvaavat mitatun datan. Vertailtaviksi malleiksi valittiin FLMP-mallin lisäksi yksinkertaisia, mutta perusteltavissa olevia malleja, ja mukaan otettiin myös yksi tehokkaaksi tiedetty neuroverkkomalli. Tuloksena löydettiin integraatiomalli, joka pystyi ennustamaan mittausdatan huomattavasti paremmin kuin aiemmin esitetty FLMP-malli. Lisäksi malli on varsin yksinkertainen, ja se on bayesilaisen päättelyn sekä sitä kautta ihmisen psykologian avulla perusteltavissa. |
ED: | 2001-01-16 |
INSSI record number: 16146
+ add basket
« previous | next »
INSSI