文献

J-GLOBAL ID：202002220690710613   整理番号：20A0472808

ピアノフィンガリングの統計的学習と推定【JST・京大機械翻訳】

Statistical learning and estimation of piano fingering

著者 (4件)： Nakamura Eita (Graduate School of Informatics, Kyoto University, Kyoto 606-8501, Japan) ,  Nakamura Eita (The Hakubi Center for Advanced Research, Kyoto University, Kyoto 606-8501, Japan) ,  Saito Yasuyuki (Department of Information and Computer Engineering, National Institute of Technology, Kisarazu College, Chiba 292-0041, Japan) ,  Yoshii Kazuyoshi (Graduate School of Informatics, Kyoto University, Kyoto 606-8501, Japan)
資料名： Information Sciences  (Information Sciences)
巻： 517  ページ： 68-85  発行年： 2020年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ピアノ指紋の自動推定は,音楽性能の計算過程を理解するために重要であり,性能支援と教育システムに適用できる。指紋の品質を定式化するための自然な方法は,性能の制約/コストのモデルを構築することであるが,これらのモデルに対する適切なパラメータ値を見出すことは一般的に困難である。ここでは,与えられたフィンガリングの妥当性が確率により記述される統計モデリングに基づく代替データ駆動アプローチを研究した。具体的には,2種類の隠れMarkovモデル(HMM)とそれらの高次拡張を構築した。また,比較のための深いニューラルネットワーク(DNN)ベースの方法も研究した。新しく発表されたフィンガリングアノテーションのデータセットを用いて,これらのモデルの系統的な評価と代表的な制約ベースの方法を行った。高次HMMに基づく方法は,推定精度に関して他の方法より優れていることを見出した。また,著者らは,フィンガリングの個人差を定量的に研究し,複数のグランドトルースデータで使用できる評価測度を提案した。HMMに基づく方法は,現在,芸術の状態であり,ほとんどの部分において許容できる指紋を生成し,それらはフレーズ境界の無視や2つの手の相互依存性のような一定の限界を持つと結論した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音楽 ,  アノテーション ,  指紋 ,  *フィンガリング ,  測度 ,  隠れMarkovモデル ,  ニューラルネットワーク ,  *ピアノ ,  定式化 ,  品質
準シソーラス用語： グランドトゥルース ,  個人差 ,  推定精度 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (6件)： 記号音楽処理 ,  ピアノフィンガリングモデル ,  ピアノフィンガリングのデータセット ,  統計的学習 ,  隠れMarkovモデル ,  深層学習

分類 (2件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： ピアノ ,  フィンガリング ,  統計的学習 ,  推定