論文の概要: Structuring Concept Space with the Musical Circle of Fifths by Utilizing
Music Grammar Based Activations
- arxiv url: http://arxiv.org/abs/2403.00790v1
- Date: Thu, 22 Feb 2024 03:28:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 00:10:27.717363
- Title: Structuring Concept Space with the Musical Circle of Fifths by Utilizing
Music Grammar Based Activations
- Title（参考訳）: 音楽文法に基づくアクティベーションを利用した五つの音楽サークルによる概念空間の構築
- Authors: Tofara Moyo
- Abstract要約: スパイクネットワークなどの離散ニューラルネットワークの構造とピアノ作品の構成との興味深い類似性について検討する。
スパイクニューラルネットワークにおけるアクティベーションの制御に音楽文法を活用する新しい手法を提案する。
本稿では,本モデルにおける概念マップが5番目の音楽サークルによって構成されていることを示し,深層学習アルゴリズムにおける音楽理論の原理を活用する可能性を明らかにする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we explore the intriguing similarities between the structure
of a discrete neural network, such as a spiking network, and the composition of
a piano piece. While both involve nodes or notes that are activated
sequentially or in parallel, the latter benefits from the rich body of music
theory to guide meaningful combinations. We propose a novel approach that
leverages musical grammar to regulate activations in a spiking neural network,
allowing for the representation of symbols as attractors. By applying rules for
chord progressions from music theory, we demonstrate how certain activations
naturally follow others, akin to the concept of attraction. Furthermore, we
introduce the concept of modulating keys to navigate different basins of
attraction within the network. Ultimately, we show that the map of concepts in
our model is structured by the musical circle of fifths, highlighting the
potential for leveraging music theory principles in deep learning algorithms.
- Abstract（参考訳）: 本稿では,スパイキングネットワークなどの離散ニューラルネットワークの構造とピアノ曲の構成との間に興味深い類似性について検討する。
どちらも順次または並行に活性化されるノードや音符を含むが、後者は音楽理論の豊富な体系から有意義な組み合わせを導くことができる。
本稿では,楽音文法を利用してスパイクニューラルネットワークのアクティベーションを制御し,記号をアトラクタとして表現する手法を提案する。
音楽理論からコード進行の規則を適用することで、特定のアクティベーションが自然に他者に従うかを示す。
さらに,ネットワーク内のアトラクションの異なる流域をナビゲートするための変調キーの概念も紹介する。
最終的に、我々のモデルにおける概念マップは5番目の音楽サークルによって構成され、深層学習アルゴリズムで音楽理論の原理を活用する可能性を強調していることを示した。
関連論文リスト
- Mode-conditioned music learning and composition: a spiking neural network inspired by neuroscience and psychology [5.2419221159594676]
そこで我々は,脳のメカニズムや心理的理論にインスパイアされたスパイクニューラルネットワークを提案し,音楽モードとキーを表現する。
我々の研究は、音楽を学び、生成するだけでなく、人間の認知と人工知能のギャップを埋めるシステムを作ることを目指している。
論文 参考訳（メタデータ） (2024-11-22T07:29:26Z) - ComposerX: Multi-Agent Symbolic Music Composition with LLMs [51.68908082829048]
音楽の構成は、長い依存と調和の制約で情報を理解し、生成する能力を必要とする複雑なタスクである。
現在のLLMは、このタスクで簡単に失敗し、In-Context-LearningやChain-of-Thoughtsといったモダンな技術が組み込まれても、不適切な曲を生成する。
エージェントベースのシンボリック音楽生成フレームワークであるComposerXを提案する。
論文 参考訳（メタデータ） (2024-04-28T06:17:42Z) - Graph-based Polyphonic Multitrack Music Generation [9.701208207491879]
本稿では,音楽のための新しいグラフ表現と,音楽グラフの構造と内容を別々に生成する深部変分オートエンコーダを提案する。
音楽グラフの構造と内容を分離することにより、特定のタイミングでどの楽器が演奏されているかを指定することで条件生成が可能となる。
論文 参考訳（メタデータ） (2023-07-27T15:18:50Z) - Pitchclass2vec: Symbolic Music Structure Segmentation with Chord
Embeddings [0.8701566919381222]
シンボリックコードアノテーションに基づく新しい楽曲セグメンテーション手法であるpitchclass2vecを提案する。
提案アルゴリズムは,Long-Short term memory(LSTM)ニューラルネットワークをベースとして,現場における記号コードアノテーションに基づく最先端技術より優れている。
論文 参考訳（メタデータ） (2023-03-24T10:23:15Z) - Learning Unsupervised Hierarchies of Audio Concepts [13.400413055847084]
コンピュータビジョンでは、正しい抽象化レベルに説明を調整するために概念学習が提案された。
本稿では,概念学習を音楽の領域に適用し,その特異性について述べる。
音声から多数の音楽概念を学習し,それらを階層化し,相互関係を明らかにする手法を提案する。
論文 参考訳（メタデータ） (2022-07-21T16:34:31Z) - A Quantum Natural Language Processing Approach to Musical Intelligence [0.0]
量子コンピューティング(quantum computing, 量子コンピューティング)は、新しい技術であり、今後音楽業界に影響を与えるだろう。
この研究は、以前の量子ハードウェア上でのDisCoCat言語モデルの実験的実装に続くものである。
我々は、量子コンピュータをプログラムして音楽の分類を学ぶことができることを示す最初の概念実証であるQuanthovenを紹介した。
論文 参考訳（メタデータ） (2021-11-10T12:35:07Z) - pix2rule: End-to-end Neuro-symbolic Rule Learning [84.76439511271711]
本稿では,画像のオブジェクトへの処理,学習関係,論理規則に関する完全なニューロシンボリックな手法を提案する。
主な貢献は、シンボリックリレーションとルールを抽出できるディープラーニングアーキテクチャにおける差別化可能なレイヤである。
我々のモデルは最先端のシンボリックラーナーを超えてスケールし、ディープリレーショナルニューラルネットワークアーキテクチャよりも優れていることを実証する。
論文 参考訳（メタデータ） (2021-06-14T15:19:06Z) - MusicBERT: Symbolic Music Understanding with Large-Scale Pre-Training [97.91071692716406]
シンボリック・ミュージックの理解(シンボリック・ミュージックの理解)とは、シンボリック・データから音楽を理解することを指す。
MusicBERTは、音楽理解のための大規模な事前訓練モデルである。
論文 参考訳（メタデータ） (2021-06-10T10:13:05Z) - 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) - Music Gesture for Visual Sound Separation [121.36275456396075]
ミュージック・ジェスチャ(Music Gesture)は、音楽演奏時の演奏者の身体と指の動きを明示的にモデル化するキーポイントに基づく構造化表現である。
まず、コンテキスト対応グラフネットワークを用いて、視覚的コンテキストと身体力学を統合し、その後、身体の動きと対応する音声信号とを関連付けるために、音声-視覚融合モデルを適用する。
論文 参考訳（メタデータ） (2020-04-20T17:53:46Z) - RL-Duet: Online Music Accompaniment Generation Using Deep Reinforcement
Learning [69.20460466735852]
本稿では,オンライン伴奏生成のための深層強化学習アルゴリズムを提案する。
提案アルゴリズムは人体に応答し,メロディック,ハーモニック,多種多様な機械部品を生成する。
論文 参考訳（メタデータ） (2020-02-08T03:53:52Z)
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。