論文の概要: Interactive Machine Learning of Musical Gesture

• arxiv url: http://arxiv.org/abs/2011.13487v1
• Date: Thu, 26 Nov 2020 22:44:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 12:34:25.656750
• Title: Interactive Machine Learning of Musical Gesture
• Title（参考訳）: 音楽ジェスチャーの対話型機械学習
• Authors: Federico Ghelli Visi and Atau Tanaka
• Abstract要約: 本章では,対話型機械学習(Interactive Machine Learning, IML)技術の概要について述べる。 我々は、複雑な合成技術と相互作用するなど、異なるタスクを達成するために異なるアルゴリズムがどのように使われるかについて議論する。 本章は,4曲の楽曲開発において,これらの技法のいくつかが著者によってどのように採用されたかを説明するとともに,IMLが音楽実践にもたらす意味を概説した。
• 参考スコア（独自算出の注目度）: 1.370633147306388
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This chapter presents an overview of Interactive Machine Learning (IML) techniques applied to the analysis and design of musical gestures. We go through the main challenges and needs related to capturing, analysing, and applying IML techniques to human bodily gestures with the purpose of performing with sound synthesis systems. We discuss how different algorithms may be used to accomplish different tasks, including interacting with complex synthesis techniques and exploring interaction possibilities by means of Reinforcement Learning (RL) in an interaction paradigm we developed called Assisted Interactive Machine Learning (AIML). We conclude the chapter with a description of how some of these techniques were employed by the authors for the development of four musical pieces, thus outlining the implications that IML have for musical practice.
• Abstract（参考訳）: 本稿では,音楽ジェスチャの分析と設計に応用する対話型機械学習(iml)技術の概要について述べる。 我々は、音声合成システムで行うことを目的として、人間の身体動作にAIM技術を適用し、分析し、適用することに関連する主な課題とニーズを概観する。 本稿では,複雑な合成技術とのインタラクションや,AIML(Assisted Interactive Machine Learning)と呼ばれるインタラクションパラダイムにおける強化学習(Reinforcement Learning, RL)によるインタラクション可能性の探索など,さまざまなタスクに異なるアルゴリズムが利用できるかについて議論する。 本章は,4曲の楽曲開発において,これらの技法のいくつかが著者によってどのように採用されたかを説明するとともに,IMLが音楽実践にもたらす意味を概説した。

関連論文リスト

• Embodied Exploration of Latent Spaces and Explainable AI [0.0]
  本稿では,演奏者がニューラルオーディオ合成モデルと組み合わさった相互作用によって,そのようなモデルの潜伏空間を探索する方法について検討する。 私たちはパフォーマンスの背景と状況を提供し、説明可能なAIシステムの開発に貢献するための具体的プラクティスの可能性を強調します。
  論文  参考訳（メタデータ） (2024-10-18T16:40:34Z)
• On the Interaction between Software Engineers and Data Scientists when building Machine Learning-Enabled Systems [1.2184324428571227]
  機械学習(ML)コンポーネントは、組織のコアシステムにますます統合されています。 重要な課題の1つは、緊密に連携する必要がある異なるバックグラウンドを持つアクター間の効果的な相互作用である。 本稿では,MLプロジェクトにおけるこれらの役割間の相互作用と協調のダイナミクスを理解するための探索ケーススタディを提案する。
  論文  参考訳（メタデータ） (2024-02-08T00:27:56Z)
• Online Learning and Planning in Cognitive Hierarchies [10.28577981317938]
  ロボットシステムの複雑な統合推論動作をモデル化するために,既存の形式的枠組みを拡張した。 新しいフレームワークは、異なる推論コンポーネント間の相互作用をより柔軟なモデリングを可能にする。
  論文  参考訳（メタデータ） (2023-10-18T23:53:51Z)
• Mastering Robot Manipulation with Multimodal Prompts through Pretraining and Multi-task Fine-tuning [49.92517970237088]
  我々はマルチモーダルなプロンプトを理解するためにロボットを訓練する問題に取り組む。 このようなタスクは、視覚と言語信号の相互接続と相補性を理解するロボットの能力にとって大きな課題となる。 マルチモーダルプロンプトを用いてロボット操作を行うためのポリシーを学習する効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-14T22:24:58Z)
• Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
  我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。 また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。 次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
  論文  参考訳（メタデータ） (2023-08-17T10:49:18Z)
• Semantic Interactive Learning for Text Classification: A Constructive Approach for Contextual Interactions [0.0]
  本稿では,テキスト領域に対するセマンティック対話学習という新しいインタラクションフレームワークを提案する。 構築的および文脈的フィードバックを学習者に取り入れることで、人間と機械間のよりセマンティックなアライメントを実現するアーキテクチャを見つけることができる。 本研究では,人間の概念的修正を非外挿訓練例に翻訳するのに有効なSemanticPushという手法を提案する。
  論文  参考訳（メタデータ） (2022-09-07T08:13:45Z)
• Face-to-Face Contrastive Learning for Social Intelligence Question-Answering [55.90243361923828]
  マルチモーダル手法は多くのタスクで技術の状態を設定するが、複雑な対面会話のダイナミクスをモデル化することは困難である。 社会的相互作用をモデル化するグラフニューラルネットワークF2F-CLを提案する。 課題であるSocial-IQデータセットを実験的に評価し、最先端の結果を示す。
  論文  参考訳（メタデータ） (2022-07-29T20:39:44Z)
• Leveraging Explanations in Interactive Machine Learning: An Overview [10.284830265068793]
  説明はAIと機械学習(ML)コミュニティへの関心が高まっている。 本稿では,対話的能力と説明が組み合わさった研究の概要について述べる。
  論文  参考訳（メタデータ） (2022-07-29T07:46:11Z)
• A Differentiable Recipe for Learning Visual Non-Prehensile Planar Manipulation [63.1610540170754]
  視覚的非包括的平面操作の問題に焦点をあてる。 本稿では,ビデオデコードニューラルモデルと接触力学の先行情報を組み合わせた新しいアーキテクチャを提案する。 モジュラーで完全に差別化可能なアーキテクチャは、目に見えないオブジェクトやモーションの学習専用手法よりも優れていることが分かりました。
  論文  参考訳（メタデータ） (2021-11-09T18:39:45Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)

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。