統計的学習に基づく音楽理論σGTTM：局所的グルーピング境界の検出

• Item type: SIG Technical Reports(1)
• 公開日: 2008-07-30
• タイトル: 統計的学習に基づく音楽理論σGTTM：局所的グルーピング境界の検出
• タイトル / 言語: en
• タイトル: Music Theory based on Statistical Learning σGTTM : Detection of Local Grouping Boundary
• 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: 筑波大学第三学群工学システム学類
• 著者所属: 筑波大学大学院システム情報工学研究科
• 著者所属: NTTコミュニケーション科学基礎研究所
• 著者所属: 北陸先端科学技術大学院大学
• 著者所属(英): en
• 著者所属(英): University of Tsukuba, College of Engineering Systems
• 著者所属(英): en
• 著者所属(英): University of Tsukuba, Graduate School of Systems and Information Engineering
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories
• 著者所属(英): en
• 著者所属(英): Japan Advanced Institute of Science and Technology
• 著者名: 三浦, 右士; 浜中, 雅俊; 平田, 圭二; 東条, 敏
• 著者名(英): Yuji, Miura; Masatoshi, Hamanaka; Keiji, Hirata; Satoshi, Tojo
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，音楽理論 Generative Theory of Tonal Music（GTTM）と，統計的学習を組み合わせた音楽理論σxGTTM の構築を目指して，まずグルーピング境界の検出に取り組んだ．我々はこれまで，GTTM を計算機実装用に拡張した exGTTM を提案した．しかし exGTTM で正しい分析結果を得るためには，適切なパラメータを曲ごとに手動で設定しなければいけない困難な作業が必要であった．本研究では，局所的なグルーピング境界の自動検出をする際，データの集合を法則化する数学的手法である決定木によって，ルールの優先度を求めることでルールの競合が起こらないようにした．また 不確実性を含む事象の予測が可能な Bayesian Network によって，EM アルゴリズムによる学習をすることでグルーピング境界の判定基準の暖昧さを扱うことを試みた．実験の結果，本手法を実装した検出器はベースラインでの exGTTM の性能を上回ることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This report describes σGTTM which combine the generative theory of tonal music (GTTM) with statistical learning. We previously described exGTTM which extended GTTM for computer implementation. Although exGTTM has adjustable parameters, these parameters have to be set manually. We solve competition of rule by determining the priority of each rule with decision tree which is a model of decisions and their possible consequences. Moreover, we solve ambiguity of local grouping boundary decision by EM learning with Bayesian Network which able to predict the uncertain phenomenon. Solving those problems, we realize automatic detection of local grouping boundary. Experimental results showed that the performance of σGTTM outperformed a baseline performance of exGTTM.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 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 78(2008-MUS-076), p. 75-82, 発行日 2008-07-30
• 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