968 research outputs found
Adaptive And Statistical Approaches In
No full textContents Preface 1 1 Adaptive and Statistical Approaches to Conceptual Modeling 3 Timo Honkela, Krista Lagus and Jaakko Sarela . . . . . . . . . . . . . . . . 2 Emergence of Structure and Relations in Conceptual Representations 7 Krista Lagus, Aarno Lehtola, Mikko Maatta and Sakari Virkki . . . . . . . 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.1 What is structure? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.2 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.1.3 Structure of the remaining chapter . . . . . . . . . . . . . . . . . . . 10 2.2 Conceptual Structure in Psychology, Philosophy and Linguistics . . . . . . . 11 2.2.1 Concepts, Structure and Relations . . . . . . . . . . . . . . . . . . . 11 2.2.2 Theories of the Internal Structure of Concepts (Ri) . . . . . . . . . . 13 2.2.3 Formation of Conceptual Structure . . . . . . . . . . . . . . . . . . . 15 2.2.4 Relations in the Co
The Spoken Wikipedia Corpora
No full textThe Spoken Wikipedia project unites volunteer readers of Wikipedia articles. Hundreds of spoken articles in multiple languages are available to users who are – for one reason or another – unable or unwilling to consume the written version of the article. Our resource, the Spoken Wikipedia Corpus, consolidates the Spoken Wikipediae, adding text segmentation, normalization, time-alignment and further annotations, making it accessible for research and fostering new ways of interacting with the material.
Timo Baumann and Arne Köhn and Felix Hennig. 2018. The Spoken Wikipedia Corpus Collection: Harvesting, Alignment and an Application to Hyperlistening, in Language Resources and Evaluation, Special Issue representing significant contributions of LREC 2016.
Arne Köhn, Florian Stegen, Timo Baumann. 2016. Mining the Spoken Wikipedia for Speech Data and Beyond, in Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC 2016).
CLARIN Metadata summary for The Spoken Wikipedia Corpora (CMDI-based)
Title: The Spoken Wikipedia Corpora
Description: The Spoken Wikipedia project unites volunteer readers of Wikipedia articles. Hundreds of spoken articles in multiple languages are available to users who are – for one reason or another – unable or unwilling to consume the written version of the article. Our resource, the Spoken Wikipedia Corpus, consolidates the Spoken Wikipediae, adding text segmentation, normalization, time-alignment and further annotations, making it accessible for research and fostering new ways of interacting with the material.
Publication date: 2017
Data owner: Timo Baumann - Universität Hamburg
Contributors: Timo Baumann (author), Arne Köhn (author), Florian Stegen (author)
Languages: English (eng), German (deu), Dutch (nld)
Size: 5397 article, 1005 hour
Segmentation units: other
Genre: encyclopedia
Modality: spoken
References: Timo Baumann; Arne Köhn; Felix Hennig (2018) The Spoken Wikipedia Corpus Collection: Harvesting, Alignment and an Application to Hyperlistening References: Arne Köhn; Florian Stegen; Timo Baumann (2016) Mining the Spoken Wikipedia for Speech Data and Beyon
Replication Data for: Efficient Application of Accelerator Cards for the Coupling Library preCICE
No full textThis dataset contains all testcase setup files and result files for the measurements presented in the Master's thesis with the title "Efficient Application of Accelerator Cards for the Coupling Library preCICE" (Author: Timo Pierre Schrader).
Furthermore, it contains the version of preCICE used throughout this thesis.
The thesis revolves around GPU acceleration of RBF data mapping in preCICE. See the README for more information how to build and run the testcase
An examination of the dynamic interaction within metaphor understanding using a model simulation
No full textTimo Honkela, Wlodzislaw Duch, Mark A Girolami, Samuel Kaski (Eds): Artificial Neural Networks and Machine Learning - ICANN 2011: LNCS 679
Accelerating Kernel Neural Gas
No full textSchleif F-M, Gisbrecht A, Hammer B. Accelerating Kernel Neural Gas. In: Kaski S, Honkela T, Gitolami M, Dutch W, eds. ICANN'2011. 2011
Modelo de comprensión de frases en un micromundo y posible aplicación al campo de la traducción máquina
No full textEl trabajo realizado está dividido en dos fases principales. Primero se estudia la comprensibilidad de sentencias escritas y la representación en planos bidimensionales de las situaciones referidas por dichas sentencias. Posteriormente, el modelo desarrollado se utiliza para estudiar su adecuación en tareas de Traducción Máquina en las que se ha de tener en cuenta información contextual. En la primera fase del proyecto se desarrolla un modelo que posibilita la representación de situaciones en un micromundo utilizando el mapa auto-organizativo SOM y el procesamiento de frases sencillas que describen dichas situaciones mediante el uso de una red neuronal recurrente simple (SRN). El mapa SOM es entrenado sobre un conjunto de situaciones ejemplo que conforman la experiencia del sistema y posibilitan la representación en el espacio de salida SOM del modelo cualquier situación posible. A continuación, un conjunto de frases es entrenado mediante la red SRN para posibilitar la transformación de frases a situaciones, resultando en su conjunto un modelo que recibe como valor de entrada una frase describiendo una determinada situación y muestra como salida, en el caso ideal, la representación de dicha situación sobre el mapa SOM. La red SRN permite contar con información contextual basada en la información recibida en entradas previas, por lo que el modelo desarrollado resulta adecuado para tareas relacionadas con el procesamiento de lenguaje y, más concretamente, con la comprensión de frases e historias. Además, el espacio SOM de salida del modelo resulta ser independiente tanto del lenguaje utilizado en la entrada y su estructura proposicional como del número de situaciones que forman el conjunto de entrenamiento o experiencia, posibilitando la formación de un espacio sobre el cual poder realizar razonamientos lógicos básicos como si de un diagrama Venn se tratara. En los experimentos realizados se muestra cómo el modelo no sólo es capaz de comprender frases a las que había sido entrenado, sino que también es capaz de generalizar, comprendiendo frases que no habían sido presentadas en el entrenamiento y que describen situaciones nuevas. En la segunda fase del proyecto se diseña e implementa un sistema basado en el trabajo realizado en la primera fase con el que se pretende estudiar qué posibilidades ofrece el modelo siendo base o componente de un modelo que permita llevar a cabo tareas de Traducción Máquina (MT), prestando especial atención a aquellos casos donde la frase o palabra de entrada puede presentar diversas traducciones y esta ambigüedad ha de resolverse atendiendo al contexto de la situación. El espacio de salida SOM se utiliza ahora como espacio único de representación conceptual compartido por dos microlenguajes que difieren en la manera en la que relacionan los símbolos léxicos con los conceptos, uno de ellos basado en el español y el otro en el inglés. Dicho espacio situacional compartido por ambos microlenguajes realiza la función de componente intermedio en la tarea de traducción a partir del cual se extrae información contextual y conceptual de la situación descrita por la frase de entrada, útil para producir como salida la nueva frase traducida. De manera paralela al entrenamiento del espacio SOM, dos nuevos mapas SOM de mismo tamaño, uno para cada microlenguaje, son entrenados tomando como entrada la información conceptual presente en las situaciones del conjunto experiencia. Cada uno de estos mapas presenta la organización de las palabras del microlenguaje en base a su relación conceptual, de forma que aquellas palabras que poseen mayor similitud conceptual y/o son utilizadas para expresar situaciones similares aparecen dispuestas más próximas en estos mapas de vocabulario, que se utilizan en el proceso de producción de la frase traducida. Este proyecto es una extensión de un trabajo publicado junto con el profesor Timo Honkela en la Conferencia Internacional de Redes Neuronales Artificiales (ICANN) de Septiembre de 2010: Elementary Logical Reasoning in the SOM Output Space
Tekoälyn jakolinjat
No full textTietojenkäsittelyn moniosaaja professori Timo Honkela kommentoi (Tieteessä tapahtuu 5/2018) heinäkuista Ylen radiokolumniani (https://yle.fi/uutiset/3-10318808). Siinä sivusin tekoälyn nostattamia uhkakuvia ja esittelin ohimennen joitakin politiikan grand old manin Henry Kissingerin pohdintoja
Timo de Rijk: 'We plant the seed'; interview
No full textArt historian Timo de Rijk was appointed Professor of Design, Culture and Society in Delft and Leiden last September. He calls this combination ‘a real breakthrough’. ‘Leiden University studies the workings of culture, while TU Delft aims at creating new things. These are fundamentally different approaches. I am the bridge between the two.’Industrial Design Engineerin
Proceedings of the Second Nordic Workshop on Genetic Algorithms and their Applications (2NWGA)
No full textKirjoittajat: Alander Jarmo T., Duponcheele Georges,
Honkela Timo, Höhfeld Markus, Jakobsson Matti, Julstrom Bryant A., Karttunen Hannu, Keskinen Kari I., Kok Joost N., Lahdelma Risto, Linna Matti,
Lund Henrik Hautop, Myllymäki Petri, Reeves Colin,
Rowe Jon, Saarinen Jukka, Sandqvist Sam,
Sippl Manfred, Voigt Hans-Michaelfi=vertaisarvioimaton|en=nonPeerReviewed|ei tietoa saavutettavuudest
- …
