論文の概要: Artificial Musical Intelligence: A Survey

• arxiv url: http://arxiv.org/abs/2006.10553v1
• Date: Wed, 17 Jun 2020 04:46:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 21:19:39.548618
• Title: Artificial Musical Intelligence: A Survey
• Title（参考訳）: 人工音楽インテリジェンス:サーベイ
• Authors: Elad Liebman and Peter Stone
• Abstract要約: 音楽は、機械学習と人工知能研究の領域としてますます広まりつつある。 この記事では、音楽知能の定義を提供し、その構成成分の分類を導入し、その追求に耐えうる幅広いAI手法を調査します。
• 参考スコア（独自算出の注目度）: 51.477064918121336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computers have been used to analyze and create music since they were first introduced in the 1950s and 1960s. Beginning in the late 1990s, the rise of the Internet and large scale platforms for music recommendation and retrieval have made music an increasingly prevalent domain of machine learning and artificial intelligence research. While still nascent, several different approaches have been employed to tackle what may broadly be referred to as "musical intelligence." This article provides a definition of musical intelligence, introduces a taxonomy of its constituent components, and surveys the wide range of AI methods that can be, and have been, brought to bear in its pursuit, with a particular emphasis on machine learning methods.
• Abstract（参考訳）: 1950年代から1960年代にかけて、コンピュータは音楽の分析と制作に使われてきた。 1990年代後半から、インターネットと音楽レコメンデーションと検索のための大規模なプラットフォームが台頭し、音楽は機械学習と人工知能研究の領域としてますます広まりつつある。 生まれながら、広く「音楽的知性」と呼ばれるものに取り組むために、いくつかの異なるアプローチが採用されている。 この記事では、音楽知性の定義と、その構成要素の分類法を紹介し、機械学習の手法を特に重視しながら、その追求に役立てることができる、そして、これまで持ちこたえてきた、幅広いaiメソッドを調査します。

関連論文リスト

• Improving Musical Instrument Classification with Advanced Machine Learning Techniques [0.0]
  近年の機械学習、特にディープラーニングの進歩により、楽器を音声信号から識別し分類する能力が強化されている。 本研究では,Naive Bayes,Support Vector Machines,Random Forests,AdaBoostやXGBoostといったBootingテクニックなど,さまざまな機械学習手法を適用した。 これらの手法の有効性を,注釈付き音声の大規模リポジトリであるN Synthデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2024-11-01T00:13:46Z)
• A Survey of Foundation Models for Music Understanding [60.83532699497597]
  この研究は、AI技術と音楽理解の交差に関する初期のレビューの1つである。 音楽理解能力に関して,近年の大規模音楽基盤モデルについて検討,分析,検証を行った。
  論文  参考訳（メタデータ） (2024-09-15T03:34:14Z)
• Foundation Models for Music: A Survey [77.77088584651268]
  ファンデーションモデル(FM)は音楽を含む様々な分野に大きな影響を与えている。 本総説では,音楽の事前学習モデルと基礎モデルについて概観する。
  論文  参考訳（メタデータ） (2024-08-26T15:13:14Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• AI-Based Affective Music Generation Systems: A Review of Methods, and Challenges [0.0]
  人工知能に基づくアプローチは、感情的な音楽生成システムを作成するのに人気がある。 エンタテインメント、ヘルスケア、センサーを組み込んだインタラクティブシステムデザインは、AIベースの感情的な音楽生成システムが大きな影響を与える可能性がある分野の1つである。
  論文  参考訳（メタデータ） (2023-01-10T11:08:39Z)
• A Survey on Artificial Intelligence for Music Generation: Agents, Domains and Perspectives [10.349825060515181]
  人間がどのように音楽を作曲し、新しいAIシステムがそのようなプロセスを模倣するかを説明する。 AIモデルとアルゴリズムがいかにして音楽を生成するかを理解するために、私たちは、音楽生成プロセスに参加するエージェントを探索、分析、記述する。
  論文  参考訳（メタデータ） (2022-10-25T11:54:30Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• 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)
• Research on AI Composition Recognition Based on Music Rules [7.699648754969773]
  モーメント抽出による楽曲ルール識別アルゴリズムを構築する。 それは、機械生成音楽のモードの安定性を特定し、それが人工知能であるかどうかを判断する。
  論文  参考訳（メタデータ） (2020-10-15T14:51:24Z)
• From Artificial Neural Networks to Deep Learning for Music Generation -- History, Concepts and Trends [0.0]
  本稿では,ディープラーニング技術に基づく音楽生成のチュートリアルを提供する。 1980年代後半から、音楽生成のための人工ニューラルネットワークを用いて、いくつかの初期の作品を分析している。
  論文  参考訳（メタデータ） (2020-04-07T00:33:56Z)

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。