ニューラルネットワークを用いたアドリブ生成のためのリズム学習

• Item type: SIG Technical Reports(1)
• 公開日: 1998-08-07
• タイトル: ニューラルネットワークを用いたアドリブ生成のためのリズム学習
• タイトル / 言語: en
• タイトル: Rhythm Learning for generating ad - lib music by using Neural Network
• 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: 東京農工大学大学院工学研究科電子情報工学専攻
• 著者所属: 東京農工大学大学院工学研究科電子情報工学専攻
• 著者所属: 東京農工大学大学院工学研究科電子情報工学専攻
• 著者所属: 東京農工大学大学院工学研究科電子情報工学専攻
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agric. And Tech., Dept. of Computer Science
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agric. And Tech., Dept. of Computer Science
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agric. And Tech., Dept. of Computer Science
• 著者所属(英): en
• 著者所属(英): Tokyo University of Agric. And Tech., Dept. of Computer Science
• 著者名: 薄, 浩之; 乾, 伸雄; 野瀬, 隆; 小谷, 善行
• 著者名(英): Hiroyuki, Usuki; Nobuo, Inui; Takashi, Nose; Yoshiyuki, Kotani
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: アドリブの自動生成を目的とした、楽譜情報からのリズム感覚の獲得を目指した。人間のアドリブ演奏の、ある時点におけるリズムパターンと、その時点の直前のリズムパターンをそれぞれ教師値、入力値として与えたニューラルネットワークで学習を行う。アドリブ再生成時には、ある時点までの演奏情報をニューラルネットワークに与えることにより次の時刻の演奏情報が得られ、それを順次繰り返すことで曲の生成が行える。筆者らは、学習のために演奏情報からリズムの決定要因と考えられる要素を抽出し、ニューラルネットワークの入出力とできるような形式に置き換えた。また、学習で用いるニューラルネットワークには、通常の階層型とりカレント型との二つを用意し、比較した。次に学習の評価のため、学習で得た知識を用いてアドリブの生成を行った。生成曲は新たな曲のコード進行を使用可能なスケールの列に変換し、そのスケール上にニューラルネットワークの出力を展開することで得られた。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We aim at generating automatic ad-lib music, and this paper proposes acquiring a rhythm sense from score information. A rhythm pattern at a certain point (A) and another rhythm pattern at just before another point (B) of the human ad-lib performance were used as an input value and teacher's data as an output to let a neural network perform its learning procedure. When re-generating the ad-lib, the performance information which is up to point A is given to the neural network. It then makes the system obtain the next performance information, and finally succeeds to generate a tune by repeating the same procedure. For learning, an element which is thought to be a key factor of the rhythm is extracted from the performance information, and we changed the form of the factors so that the input and output of the neural network can be carried out. We also prepared two kinds of neural networks to compare with each other; feed-forward type and recurrent type. To evaluate the learning procedure, we carried out the ad-lib generation by using the knowledge obtained by the neural network. First of all, we changed the chord progression of the new tune into a note scale progression, and then matched with the output of the neural network as a tune generated by the system.
• 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 1998, 号 74(1998-MUS-026), p. 39-44, 発行日 1998-08-07
• 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