論文の概要: Library learning with e-graphs on jazz harmony

• arxiv url: http://arxiv.org/abs/2605.04622v1
• Date: Wed, 06 May 2026 08:10:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.720041
• Title: Library learning with e-graphs on jazz harmony
• Title（参考訳）: ジャズハーモニーに関する電子グラフを用いた図書館学習
• Abstract要約: 図書館学習に基づくジャズ・ハーモニック・パターンの学習モデルを提案する。 調和進行のコーパスが与えられた場合、我々のモデルは原始調和関係からなるプログラムの空間を探索する。 モデルはまず各曲の可能なプログラムを列挙し、次に調和パターンと解析プログラムのライブラリを共同で学習する。
• 参考スコア（独自算出の注目度）: 0.6999740786886535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humans can acquire a highly structured intuitive understanding of musical patterns, yet these patterns often require multiple iterations of reflection and re-listening to internalize fully. To capture such an internalization process, we present a computational model for the learning of jazz harmonic patterns based on library learning. Given a corpus of harmonic progressions, our model searches over a space of programs composed of primitive harmonic relations in order to discover concise generative explanations of the corpus. The model first enumerates possible programs for each piece, and then jointly learns a library of harmonic patterns and refactored programs. To efficiently navigate the vast joint space of programs and libraries, we integrate deductive parsing with library learning on e-graphs. We explore how well our model captures aspects of human musical pattern learning by evaluating the intuitiveness of both programs and libraries, as well as similarities to human-written harmonic derivations.
• Abstract（参考訳）: 人間は、非常に構造化された音楽パターンの直感的な理解を得ることができるが、これらのパターンは、完全に内部化するために、しばしば複数のリフレクションと再リストングを必要とする。 このような内部化過程を捉えるため,図書館学習に基づくジャズ・ハーモニック・パターンの学習のための計算モデルを提案する。 調和進行のコーパスを与えられたモデルでは、コーパスの簡潔な生成的説明を発見するために、原始調和関係からなるプログラムの空間を探索する。 モデルはまず各作品の可能なプログラムを列挙し、次に調和パターンとリファクタリングされたプログラムのライブラリを共同で学習する。 プログラムとライブラリの膨大な共同空間を効率的にナビゲートするために,図書館の学習と推論解析を統合した。 我々は,プログラムとライブラリの直感性を評価することによって,人間の音楽パターン学習の側面をいかに捉えるかを検討する。

関連論文リスト

• Reflector: Arrangement-Aware Harmonic Retrieval for Sample-Based Composition [0.0]
  我々は、作曲家のタイムラインに蓄積されるハーモニックな組み合わせを追跡するインタラクティブなオーディオワークステーションであるReflectorを紹介する。 合成音声で完全に訓練されたエンコーダは、128次元の埋め込み空間におけるオラクルを近似することを学ぶ。 ナビゲーション可能な3次元空間に投影されたセッションセントロイドは、作曲家の身体にまたがる構造的調和関係を明らかにする。
  論文  参考訳（メタデータ） (2026-07-24T15:30:30Z)
• Prospective Compression in Human Abstraction Learning [7.788051955651714]
  本研究では,非定常領域におけるヒューマンライブラリ学習が将来的な抽象化を選択するという仮説を提案し,検証する。 本研究では,タスク生成過程における非定常構造に対する人間の抽象的行動が,潜在的・非定常的構造に対する感受性を反映していることを示す。
  論文  参考訳（メタデータ） (2026-05-11T04:54:23Z)
• Discovering "Words" in Music: Unsupervised Learning of Compositional Sparse Code for Symbolic Music [50.87225308217594]
  本稿では,記号的音楽データから「音楽単語」と呼ばれる繰り返しパターンを識別する教師なし機械学習アルゴリズムを提案する。 本稿では,音楽単語発見の課題を統計的最適化問題として定式化し,二段階予測最大化(EM)に基づく学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-29T11:10:57Z)
• Towards an AI Musician: Synthesizing Sheet Music Problems for Musical Reasoning [69.78158549955384]
  本稿では,ビートやインターバルをプログラム関数として扱うような,コア音楽理論のルールを扱う新しいアプローチを提案する。 このアプローチは、テキストと視覚の両方で検証可能な楽譜の質問を生成する。 SSMR-Benchの評価結果は,楽譜の解釈における重要な役割を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-09-04T09:42:17Z)
• Adaptive Accompaniment with ReaLchords [60.690020661819055]
  ユーザのメロディに合わせてコード伴奏を即興するオンライン生成モデルであるReaLchordsを提案する。 まず、最大で事前訓練されたオンラインモデルから始め、強化学習を使用して、オンライン使用のためのモデルを微調整します。
  論文  参考訳（メタデータ） (2025-06-17T16:59:05Z)
• Zero-shot Musical Stem Retrieval with Joint-Embedding Predictive Architectures [3.463789345862036]
  本稿では,コンテキストの潜在表現を生成するために,エンコーダと予測器を協調訓練する,結合埋め込み予測アーキテクチャに基づく新しい手法を提案する。 特に,任意の楽器に条件付けした予測器を設計し,ゼロショットステム検索を行えるようにした。 MUSDB18とMoisesDBデータセットを用いて,本モデルの検索性能を検証する。
  論文  参考訳（メタデータ） (2024-11-29T16:11:47Z)
• Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation [3.8570045844185237]
  マルチトラックデータセットでトレーニングした新しいJEPA(Joint-Embedding Predictive Architecture)であるStem-JEPAを紹介する。 本モデルでは, エンコーダと予測器の2つのネットワークから構成される。 MUSDB18データセットの検索タスクにおいて、本モデルの性能を評価し、ミキシングから欠落した茎を見つける能力を検証した。
  論文  参考訳（メタデータ） (2024-08-05T14:34:40Z)
• Serenade: A Model for Human-in-the-loop Automatic Chord Estimation [1.6385815610837167]
  そこで本研究では,Human-in-the-loopアプローチにより,モデルのみのアプローチよりも高調波解析性能が向上することを示す。 我々は,ポピュラー音楽のデータセットを用いてモデル評価を行い,本手法を用いることで,モデルのみのアプローチよりも高調波解析性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-10-17T11:31:29Z)
• Learning with Neighbor Consistency for Noisy Labels [69.83857578836769]
  特徴空間におけるトレーニング例間の類似性を利用した雑音ラベルから学習する手法を提案する。 合成(CIFAR-10, CIFAR-100)とリアル(mini-WebVision, Clothing1M, mini-ImageNet-Red)の両方のノイズを評価するデータセットの評価を行った。
  論文  参考訳（メタデータ） (2022-02-04T15:46:27Z)
• BacHMMachine: An Interpretable and Scalable Model for Algorithmic Harmonization for Four-part Baroque Chorales [23.64897650817862]
  BacHMMachineは、音楽作曲の原則によって導かれる「理論駆動」の枠組みを採用している。 与えられた旋律線から鍵変調と和音の進行を学習するための確率的フレームワークを提供する。 これにより計算負荷が大幅に減少し、解釈可能性も向上する。
  論文  参考訳（メタデータ） (2021-09-15T23:39:45Z)
• Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
  LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。 最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
  論文  参考訳（メタデータ） (2021-06-18T15:08:47Z)
• 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。