論文の概要: A Critical Look at the Applicability of Markov Logic Networks for Music Signal Analysis

• arxiv url: http://arxiv.org/abs/2001.06086v1
• Date: Thu, 16 Jan 2020 21:46:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 00:02:01.000297
• Title: A Critical Look at the Applicability of Markov Logic Networks for Music Signal Analysis
• Title（参考訳）: 音楽信号解析におけるマルコフ論理ネットワークの適用性に関する批判的考察
• Authors: Johan Pauwels, Gy\"orgy Fazekas, Mark B. Sandler
• Abstract要約: 多くの実践的ハードルがMLNを、提案された音楽応用に理想的でないものにしている、と我々は主張する。 提案した例の根底にあるアイデアは、(動的)ベイズネットワークのより一般的なフレームワークで完全に表現できることを示す。
• 参考スコア（独自算出の注目度）: 6.725831114394963
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, Markov logic networks (MLNs) have been proposed as a potentially useful paradigm for music signal analysis. Because all hidden Markov models can be reformulated as MLNs, the latter can provide an all-encompassing framework that reuses and extends previous work in the field. However, just because it is theoretically possible to reformulate previous work as MLNs, does not mean that it is advantageous. In this paper, we analyse some proposed examples of MLNs for musical analysis and consider their practical disadvantages when compared to formulating the same musical dependence relationships as (dynamic) Bayesian networks. We argue that a number of practical hurdles such as the lack of support for sequences and for arbitrary continuous probability distributions make MLNs less than ideal for the proposed musical applications, both in terms of easy of formulation and computational requirements due to their required inference algorithms. These conclusions are not specific to music, but apply to other fields as well, especially when sequential data with continuous observations is involved. Finally, we show that the ideas underlying the proposed examples can be expressed perfectly well in the more commonly used framework of (dynamic) Bayesian networks.
• Abstract（参考訳）: 近年、マルコフ論理ネットワーク (MLN) は、音楽信号解析に有用なパラダイムとして提案されている。 すべての隠れマルコフモデルはMLNとして再編成できるため、後者は、フィールドでの以前の作業を再利用し拡張する全アクセスフレームワークを提供することができる。 しかし、理論上はMLNとして過去の作品を再構成できるからといって、それが有利であるという意味ではない。 本稿では,音楽分析のためのmlnの例をいくつか分析し,(動的)ベイズネットワークと同様の音楽依存関係を定式化した場合の実用上の欠点について考察する。 我々は、列のサポートの欠如や任意の連続確率分布の欠如など、多くの実践的ハードルが、MLNが要求される推論アルゴリズムによる定式化や計算の容易性の両方において、提案された音楽アプリケーションに理想的でないことを論じる。 これらの結論は音楽に特有ではなく、他の分野にも当てはまる。 最後に,提案した例の根底にある概念がベイズネットワークのより一般的な(動的)フレームワークで完全に表現可能であることを示す。

関連論文リスト

• On the Diagram of Thought [12.304069891580658]
  大規模言語モデル(LLM)における反復推論をモデル化するフレームワークであるDiagram of Thought(DoT)を紹介する。 DoTは提案、批評、洗練、検証を結合的なDAG構造に整理し、モデルが複雑な推論経路を探索できるようにする。 我々は、トポス理論を用いてDoTフレームワークを形式化し、論理的一貫性と推論過程の健全性を保証する数学的基盤を提供する。
  論文  参考訳（メタデータ） (2024-09-16T07:01:41Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Parameterisation of Reasoning on Temporal Markov Logic Networks [2.9005223064604078]
  我々は,その有効性を特定するために,時間間隔で拡張された知識グラフデータに注目した。 時間的マルコフ論理ネットワーク(TMLN)における最適A-Posteriori推論のための意味論の原理を提案する。
  論文  参考訳（メタデータ） (2022-11-29T17:40:15Z)
• Linear Temporal Logic Modulo Theories over Finite Traces (Extended Version) [72.38188258853155]
  有限トレース(LTLf)上の線形時間論理について検討する。 命題の文字は任意の理論で解釈された一階述語式に置き換えられる。 Satisfiability Modulo Theories (LTLfMT) と呼ばれる結果の論理は半決定可能である。
  論文  参考訳（メタデータ） (2022-04-28T17:57:33Z)
• Logical Credal Networks [87.25387518070411]
  本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。 本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
  論文  参考訳（メタデータ） (2021-09-25T00:00:47Z)
• Prequential MDL for Causal Structure Learning with Neural Networks [9.669269791955012]
  ベイジアンネットワークの実用的スコアリング関数を導出するために,事前最小記述長の原理が利用できることを示す。 我々は、調整しなければならない事前やその他の正規化子を誘導するスパーシリティに頼ることなく、可塑性および擬似グラフ構造を得る。 本研究は, 適応速度から因果構造を推定する最近の研究と, 分布変化の源泉から観測結果が得られた場合の因果構造との関係について考察する。
  論文  参考訳（メタデータ） (2021-07-02T22:35:21Z)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)
• GANs with Conditional Independence Graphs: On Subadditivity of Probability Divergences [70.30467057209405]
  GAN(Generative Adversarial Networks)は、データセットの基盤となる分布を学習するための現代的な手法である。 GANは、基礎となるディストリビューションに関する追加情報がないモデルフリーで設計されている。 本稿では,ベイズネット/MRFの近傍に単純な識別器群を用いたモデルベースGANの設計を提案する。
  論文  参考訳（メタデータ） (2020-03-02T04:31:22Z)
• Efficient Probabilistic Logic Reasoning with Graph Neural Networks [63.099999467118245]
  マルコフ論理ネットワーク(MLN)は、多くの知識グラフ問題に対処するために用いられる。 MLNの推論は計算集約的であり、MLNの産業規模での応用は非常に困難である。 本稿では,表現力とモデルの単純さとのバランスのよいグラフニューラルネット(GNN)モデルであるExpressGNNを提案する。
  論文  参考訳（メタデータ） (2020-01-29T23:34:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。