Fugu-MT 論文翻訳(概要): An approach to Beethoven's 10th Symphony

論文の概要: An approach to Beethoven's 10th Symphony

arxiv url: http://arxiv.org/abs/2005.10539v1
Date: Thu, 21 May 2020 09:36:24 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 00:07:06.963154
Title: An approach to Beethoven's 10th Symphony
Title（参考訳）: ベートーヴェン第10交響曲へのアプローチ
Authors: Paula Mu\~noz-Lago, Gonzalo M\'endez
Abstract要約: 本研究の目的は,記号データからルートヴィヒ・ヴァン・ベートーヴェンの合成モデル上でのパターン抽出の可能性を検討することである。ニューラルネットワークモデルは、Long Short-Therm Memory (LSTM) ニューラルネットワークに基づいて構築されている。生成した音楽は、入力データと結果を比較し、生成した出力の差を確立することにより分析される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ludwig van Beethoven composed his symphonies between 1799 and 1825, when he was writing his Tenth symphony. As we dispose of a great amount of data belonging to his work, the purpose of this paper is to investigate the possibility of extracting patterns on his compositional model from symbolic data and generate what would have been his last symphony, the Tenth. A neural network model has been built based on the Long Short-Therm Memory (LSTM) neural networks. After training the model, the generated music has been analysed by comparing the input data with the results, and establishing differences between the generated outputs based on the training data used to obtain them. The structure of the outputs strongly depends on the symphonies used to train the network.
Abstract（参考訳）: ルートヴィヒ・ファン・ベートーヴェン(ludwig van beethoven)は、1799年から1825年にかけて交響曲を作曲した。本論文は、彼の作品に含まれる膨大なデータを取り扱うため、シンボリックデータから構成モデルのパターンを抽出し、最後の交響曲第10番となるものを生成する可能性を検討することを目的としている。ニューラルネットワークモデルは、Long Short-Therm Memory (LSTM) ニューラルネットワークに基づいて構築されている。モデルをトレーニングした後、入力データと結果を比較し、得られたトレーニングデータに基づいて生成された出力の差を確立することにより、生成された音楽を分析する。出力の構造は、ネットワークを訓練するのに使用される交響曲に強く依存する。

関連論文リスト

Arabic Music Classification and Generation using Deep Learning [1.4721222689583375]
本稿では,古典・新エジプト音楽の作曲家による分類と類似音楽の生成のための機械学習手法を提案する。提案システムは,畳み込みニューラルネットワーク(CNN)を分類に用い,CNNオートエンコーダを生成に用いた。 81.4%の精度で作曲者による楽曲の分類を行い,提案手法の有効性を実証した。
論文参考訳（メタデータ） (2024-10-25T17:47:08Z)
MuPT: A Generative Symbolic Music Pretrained Transformer [56.09299510129221]
音楽の事前学習におけるLarge Language Models (LLM) の適用について検討する。生成過程の異なるトラックからの不整合対策に関連する課題に対処するために,SMT-ABC Notation(Synchronized Multi-Track ABC Notation)を提案する。私たちのコントリビューションには、最大8192個のトークンを処理可能な一連のモデルが含まれており、トレーニングセットの象徴的な音楽データの90%をカバーしています。
論文参考訳（メタデータ） (2024-04-09T15:35:52Z)
Self-Supervised Contrastive Learning for Robust Audio-Sheet Music Retrieval Systems [3.997809845676912]
自己指導型コントラスト学習は、実際の音楽コンテンツからの注釈付きデータの不足を軽減することができることを示す。クロスモーダルなピース識別の高レベルなタスクにスニペットを埋め込む。本研究では,実際の音楽データが存在する場合,検索品質が30%から100%に向上することが観察された。
論文参考訳（メタデータ） (2023-09-21T14:54:48Z)
jazznet: A Dataset of Fundamental Piano Patterns for Music Audio Machine Learning Research [2.9697051524971743]
ジャズネットデータセットには、コード、アルペジオ、スケール、コード進行を含む162520のラベル付きピアノパターンが含まれている。論文では、データセットの構成、生成、生成を説明し、オープンソースのパターンジェネレータを提示する。このデータセットは、畳み込みリカレントニューラルネットワーク(CRNN)とディープ畳み込みニューラルネットワークを用いて、研究者がMIRタスクに挑戦するための新しいモデルをベンチマークするのに役立つことを実証する。
論文参考訳（メタデータ） (2023-02-17T00:13:22Z)
Symphony Generation with Permutation Invariant Language Model [57.75739773758614]
変分不変言語モデルに基づくシンフォニーネットという記号的シンフォニー音楽生成ソリューションを提案する。シンフォニートークンの超長いシーケンスをモデル化するためのバックボーンとして、新しいトランスフォーマーデコーダアーキテクチャが導入された。実験結果から,提案手法は人間の構成と比べ,コヒーレント,新規,複雑,調和的な交響曲を生成できることが示唆された。
論文参考訳（メタデータ） (2022-05-10T13:08:49Z)
Music Generation Using an LSTM [52.77024349608834]
LSTM(Long Short-Term Memory)ネットワーク構造は、シリーズの次の出力の予測に非常に有用であることが証明されている。 Recurrent Neural Networks (RNN) を用いた音楽生成手法の実証我々は、音楽生成におけるLSTMの直感、理論、応用に関する簡単な要約を提供し、この目標を達成するのに最適なネットワークを開発し、提示し、直面する問題や課題を特定し、対処し、今後のネットワーク改善の可能性を含める。
論文参考訳（メタデータ） (2022-03-23T00:13:41Z)
Sequence Generation using Deep Recurrent Networks and Embeddings: A study case in music [69.2737664640826]
本稿では,異なる種類の記憶機構(メモリセル)について評価し,音楽合成分野におけるその性能について検討する。提案したアーキテクチャの性能を自動評価するために,定量的な測定値のセットが提示される。
論文参考訳（メタデータ） (2020-12-02T14:19:19Z)
Learning to Denoise Historical Music [30.165194151843835]
そこで我々は,古い録音を聴くことを学習する音声から音声へのニューラルネットモデルを提案する。ネットワークは、ノイズの多い音楽データセット上で、再構成と敵の目的の両方で訓練される。提案手法は,原曲の品質と詳細を保存しながら,ノイズ除去に有効であることを示す。
論文参考訳（メタデータ） (2020-08-05T10:05:44Z)
dMelodies: A Music Dataset for Disentanglement Learning [70.90415511736089]
我々は、研究者が様々な領域でアルゴリズムの有効性を実証するのに役立つ新しいシンボリック・ミュージック・データセットを提案する。これはまた、音楽用に特別に設計されたアルゴリズムを評価する手段を提供する。データセットは、遠絡学習のためのディープネットワークのトレーニングとテストに十分な大きさ(約13万データポイント)である。
論文参考訳（メタデータ） (2020-07-29T19:20:07Z)
Incremental Training of a Recurrent Neural Network Exploiting a Multi-Scale Dynamic Memory [79.42778415729475]
本稿では,マルチスケール学習を対象とする,漸進的に訓練された再帰的アーキテクチャを提案する。隠れた状態を異なるモジュールに分割することで、シンプルなRNNのアーキテクチャを拡張する方法を示す。新しいモジュールがモデルに反復的に追加され、徐々に長い依存関係を学習するトレーニングアルゴリズムについて議論する。
論文参考訳（メタデータ） (2020-06-29T08:35:49Z)
Music Generation with Temporal Structure Augmentation [0.0]
提案手法は,歌の結末をカウントダウンしたコネクショニスト生成モデルと,余分な入力特徴としてメーターマーカーを付加する。 LSTMセルを持つRNNアーキテクチャは、教師付きシーケンス学習設定でノッティンガムフォークミュージックデータセットに基づいて訓練される。実験では、両方のアノテーションの予測性能が改善された。
論文参考訳（メタデータ） (2020-04-21T19:19:58Z)

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。