The thesis has the purpose of build and evaluate a model for infant word learning, through the use of different neural networks. Neural networks used are three: a Deep Convolutional Neural Network and two Self Organizing Maps. The evaluations was made separately for the three networks and jointly for the whole system with the aim of completely understand the results produced by the networks (in particular the Deep Convolutional Network) and to understand the influence of the performances of each network on the performances of the entire system.
La tesi ha come scopo la costruzione e la valutazione di un modello per apprendimento lessicale infantile, mediante l'uso di diverse reti neurali. Le reti neurali usate sono tre: una rete convoluzionale profonda e due self organizing maps. La valutazione è stata fatta separatamente per le tre reti e congiuntamente per l'intero sistema con l'obiettivo di capire a fondo i risultati prodotti dalle reti (in particolare la rete convoluzionale profonda) e di comprendere l'influenza delle prestazione delle singole reti sulle prestazioni dell'intero sistema.
Un modello computazionale per l'apprendimento linguistico su dati del mondo reale attraverso reti convoluzionali profonde.
FENOGLIO, GIORGIA
2015/2016
Abstract
La tesi ha come scopo la costruzione e la valutazione di un modello per apprendimento lessicale infantile, mediante l'uso di diverse reti neurali. Le reti neurali usate sono tre: una rete convoluzionale profonda e due self organizing maps. La valutazione è stata fatta separatamente per le tre reti e congiuntamente per l'intero sistema con l'obiettivo di capire a fondo i risultati prodotti dalle reti (in particolare la rete convoluzionale profonda) e di comprendere l'influenza delle prestazione delle singole reti sulle prestazioni dell'intero sistema.File | Dimensione | Formato | |
---|---|---|---|
746485_tesi.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
3.56 MB
Formato
Adobe PDF
|
3.56 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/117623