文献

J-GLOBAL ID：202002224877996155   整理番号：20A0430018

音楽における統計的特性を調整するトーナリティ:統計的学習に関する計算アプローチ【JST・京大機械翻訳】

Tonality Tunes the Statistical Characteristics in Music: Computational Approaches on Statistical Learning

著者 (1件)： Daikoku Tatsuya (Department of Neuropsychology, Max Planck Institute for Human Cognitive and Brain Sciences, Leipzig, Germany)
資料名： Frontiers in Computational Neuroscience (Web)  (Frontiers in Computational Neuroscience (Web))
巻： 13  ページ： 70  発行年： 2019年 
JST資料番号： U7036A  ISSN： 1662-5188  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 統計学習は,音楽や言語のようなシーケンスにおける遷移確率に基づく学習機構である。最近の計算および神経生理学的研究は,統計学的学習が,予測および認識と同様に,生産,行動および音楽創造性に寄与することを示唆している。本研究では,統計的構造が,様々な次数統計モデルに基づいて,音楽における音とどのように相互作用するかを調べた。これをすべての24の主要およびマイナーな鍵において検証するために,2つのシリーズ(No.1およびNo)の収集である,Bachの良く焼戻されたClavierにおいて最も高いピッチを含むシーケンスの遷移確率を検討した。2)24の主要およびマイナーなキーのすべてにおけるプリルデスおよびフュウの2つを,n次Markovモデルに基づいて計算した。各シーケンスの遷移確率を,トーナリティ(主要とマイナー),2シリーズ(No.1とNo.2),および音楽タイプ(プレロードとフグ)の間で比較した。主要とマイナーな鍵の間の統計的特性の差は,より低いが,より高次のモデルでは検出されなかった。また,結果は,音楽における統計的知識がトーナリティと構成期間によって調整されるかもしれないことを示した。さらに,主成分分析により,関連する鍵の共有成分を検出し,音が音楽における統計的特性を変調することを示唆した。本研究により,少なくとも2つのタイプの統計的知識があることが示唆された。これらは,それぞれ独立性に依存するものと独立しているものである。Copyright 2020 The Author(s) 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 ,  言語 ,  主成分分析 ,  プレローディング ,  遷移確率 ,  相互作用 ,  *音響 ,  情報理論 ,  マイナ ,  *学習 ,  コーパス ,  統計模型
準シソーラス用語： Markovモデル ,  神経生理学 ,  統計学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： 創造性 ,  Markovモデル ,  Nグラム ,  情報理論 ,  コーパス ,  予測 ,  組成 ,  暗黙学習

分類 (1件)： 脳・神経系モデル  (EL02050C)

引用文献 (56件)：

• Balsters J. H., Laird A. R., Fox P. T., Eickhoff S. B. (2014). Bridging the gap between functional and anatomical features of cortico-cerebellar circuits using meta-analytic connectivity modeling. Human Brain Mapping 35, 3152-3169. doi: 10.1002/hbm.22392
• Cleeremans A., Destrebecqz A., Boyer M. (1998). Implicit learning: news from the front. Trends Cogn. Sci. 2, 406-416. doi: 10.1016/S1364-6613(98)01232-7
• Daikoku T. (2018a). Entropy, uncertainty, and the depth of implicit knowledge on musical creativity: computational study of improvisation in melody and rhythm. Front. Comput. Neurosci. 12:97. doi: 10.3389/fncom.2018.00097
• Daikoku T. (2018b). Musical creativity and depth of implicit knowledge: spectral and temporal individualities in improvisation. Front. Comput. Neurosci. 12, 1-27. doi: 10.3389/fncom.2018.00089
• Daikoku T. (2018c). Neurophysiological markers of statistical learning in music and language: hierarchy, entropy, and uncertainty. Brain Sci. 8:E114. doi: 10.3390/brainsci8060114

タイトルに関連する用語 (4件)： 音楽 ,  統計的特性 ,  統計的学習 ,  計算