Kirjain-äännevastaavuuden oppimisen mallinnus bayesilaisella menetelmällä
2019:16 | 2020:78 | 2021:40 | 2022:42 | 2023:58 | 2024:75 | 2025:3
Tämä tutkielma kuvaa erään tavan mallintaa kirjain-äännevastaavuuksien oppimista. Malli on luotu Ekapeliä varten käyttäen apuna pelistä kerättyä dataa. Mallin toteutuksessa käytettiin bayesilaisen tilastotieteen menetelmiä. Tavoitteena oli käyttää mallia uuden adaptaation luomiseen. Malli ei kuitenkaan sopinut suoraan pelin adaptaatiossa käytettäväksi laskennallisista ongelmista johtuen. Mallin avulla haluttiin myös visualisoida pelaajan osaamista ja kuvaajien avulla voidaankin helposti näyttää kokonaiskuva kirjainten osaamisesta. This thesis describes a bayesian model for learning letter-sound correspondences. The model was created for Ekapeli using data from the game. The model was created using bayesian methods. Purpose of the model was to create a new adaptation for Ekapeli. Because of high computational time, the model doesn't suite for an adaptation without simplifications. Another goal for the model was to help visualize the player's learning. The model suited well for visualizing the player's knowledge of the letter-sound correspondences.
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [29788]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Conditional particle filters with diffuse initial distributions
Karppinen, Santeri; Vihola, Matti (Springer, 2021)Conditional particle filters (CPFs) are powerful smoothing algorithms for general nonlinear/non-Gaussian hidden Markov models. However, CPFs can be inefficient or difficult to apply with diffuse initial distributions, which ... -
Bayesian semiparametric long memory models for discretized event data
Chakraborty, Antik; Ovaskainen, Otso; Dunson, David B. (Institute of Mathematical Statistics, 2022)We introduce a new class of semiparametric latent variable models for long memory discretized event data. The proposed methodology is motivated by a study of bird vocalizations in the Amazon rain forest; the timings of ... -
Ergonomic and Reliable Bayesian Inference with Adaptive Markov Chain Monte Carlo
Vihola, Matti (John Wiley & Sons, 2020)Adaptive Markov chain Monte Carlo (MCMC) methods provide an ergonomic way to perform Bayesian inference, imposing mild modeling constraints and requiring little user specification. The aim of this section is to provide a ... -
Efficient Bayesian generalized linear models with time-varying coefficients : The walker package in R
Helske, Jouni (Elsevier BV, 2022)The R package walker extends standard Bayesian general linear models to the case where the effects of the explanatory variables can vary in time. This allows, for example, to model the effects of interventions such as ... -
On the use of approximate Bayesian computation Markov chain Monte Carlo with inflated tolerance and post-correction
Vihola, Matti; Franks, Jordan (Oxford University Press, 2020)Approximate Bayesian computation enables inference for complicated probabilistic models with intractable likelihoods using model simulations. The Markov chain Monte Carlo implementation of approximate Bayesian computation ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.