WEKO3
アイテム
ガウシアンプロセスによる名演奏の学習
https://ipsj.ixsq.nii.ac.jp/records/55619
https://ipsj.ixsq.nii.ac.jp/records/5561962997c6c-f030-4190-a94b-a9c643234e8f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MUS08078014.pdf (1.4 MB)
|
Copyright (c) 2008 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2008-12-12 | |||||||
| タイトル | ||||||||
| タイトル | ガウシアンプロセスによる名演奏の学習 | |||||||
| タイトル | ||||||||
| 言語 | en | |||||||
| タイトル | Learning of Grandmaster Performance by Gaussian Process Regression | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
| 資源タイプ | technical report | |||||||
| 著者所属 | ||||||||
| 奈良先端科学技術大学院大学情報科学研究科 | ||||||||
| 著者所属 | ||||||||
| 奈良先端科学技術大学院大学情報科学研究科 | ||||||||
| 著者所属 | ||||||||
| 奈良先端科学技術大学院大学情報科学研究科 | ||||||||
| 著者所属 | ||||||||
| 奈良先端科学技術大学院大学情報科学研究科 | ||||||||
| 著者所属 | ||||||||
| 京都大学大学院情報学研究科 | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Graduate School of Information Science, Nara Institute of Science and Technology, Japan | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Graduate School of Information Science, Nara Institute of Science and Technology, Japan | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Graduate School of Information Science, Nara Institute of Science and Technology, Japan | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Graduate School of Information Science, Nara Institute of Science and Technology, Japan | ||||||||
| 著者所属(英) | ||||||||
| en | ||||||||
| Graduate School of Informatics, Kyoto University, Japan | ||||||||
| 著者名 |
寺村, 佳子
× 寺村, 佳子
|
|||||||
| 著者名(英) |
Keiko, Teramura
× Keiko, Teramura
|
|||||||
| 論文抄録 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 本稿では, ガウシアンプロセスを用いた新しいピアノの演奏学習モデルを提案する. このモデルは機械学習の手法であるガウシアンプロセスを用い, 楽譜の個々の音に対して, 楽譜情報から抽出される音符の長さ, 高さ, 前後の音との相対的な差など 16 の 素性を入力, 対応するピアニストの演奏情報 3 要素 (音の強さ, 始まりと終わりのタイミング) を出力としたモデルである. 本モデルは, 従来手法とは異なり, 天下り的なルールやルールに含まれるパラメーターの設定を必要とせず, 同じピアニストが演奏した多くの演奏データから, そのピアニストの演奏を模写する学習を行えるという特長をもつ. 実際のピアニストの演奏から作成された CrestMusePEDB の 4 曲を用いて評価実験を行った結果, 本モデルは演奏データを反映し学習できたことが確認できた. | |||||||
| 論文抄録(英) | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | In this paper, we present a new approach that automatically learns a pianist performance. We use a Gaussian Process Regression (GPR) to learn the pianist’s performance based on CrestMusePEDB that consists of several sets of score information and its corresponding pianist’s performance information. Our model can learn the pianist’s performance without generating and selecting the useful rules, nor perform complex optimization of parameters in the rules. The results show that the trained GPR has an acceptable learning ability for 'known' pieces those are included in a given training data set. | |||||||
| 書誌レコードID | ||||||||
| 収録物識別子タイプ | NCID | |||||||
| 収録物識別子 | AN10438388 | |||||||
| 書誌情報 |
情報処理学会研究報告音楽情報科学（MUS） 巻 2008, 号 127(2008-MUS-078), p. 79-84, 発行日 2008-12-12 |
|||||||
| Notice | ||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
| 出版者 | ||||||||
| 言語 | ja | |||||||
| 出版者 | 情報処理学会 | |||||||
