抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在,ピアノ教育には多くのチェススタイルがあるが,包括的,科学的,および指導教育モードの欠如がある。それは,多くの教育問題を強調し,この段階でピアノ教育の開発要求に合致できない。しかしながら,ピアノスコアリングシステムは,ピアノプレーヤーに対する教師のガイダンスを部分的に置き換えることができる。本論文は,演奏音楽の信号特性を抽出して,BigデータとBPニューラルネットワーク技術を用いてピアノ性能スコアリングモデルを確立して,スコアリングシステムの効果をテストするために有名な研究を選択した。結果は,このモデルがピアノがかなり働くかどうかを試験できることを示した。それは,プレーヤーの性能レベルを効果的に評価し,音楽の各部分を正確にスコア化する。これは音楽レベルを改良するためのプレーヤーの参照を提供するだけでなく,音楽教育における新しい技術の応用と研究結果の新しいアイデアを提供する。本論文は,現在の段階におけるピアノ教育に存在する問題に対する妥当な解決策を提唱し,高品質ピアノ人材を栽培するのに役立った。実験は,ピアノ性能スコアリングシステムを最適化するためのBigデータ技術とBPニューラルネットワークの応用が有効であり,ピアノ音楽を正確にスコアできることを示した。本論文は,性能スコアリングシステムを研究して,訓練の後のモデルを得て,それは音楽教師を置換して,市場における音楽教師の不足を軽減することができた。Copyright 2022 Xueying Liu. Translated from English into Japanese by JST.【JST・京大機械翻訳】