Представление символьной музыки в области сигналов для обучения пространствам встраивания

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Ключевым аспектом моделей машинного обучения является их способность к обучению эффективным промежуточным признакам. Однако в этом процессе решающую роль играет представление входных данных, а полифонические музыкальные партитуры остаются особенно сложным видом информации.

Ребята из IRCAM показали новое представление символьных музыкальных данных, которое преобразует полифоническую партитуру в непрерывный сигнал. Они оценивают возможность извлечения значимых характеристик из этого представления с музыкальной точки зрения. Таким образом, они вводят метод оценки, основанный на принципиальной генерации синтетических данных.

Наконец, чтобы проверить предложенное представление, авторы провели обширный сравнительный анализ с последними полифоническими символьными представлениями. Они показали, что их сигналоподобное представление приводит к лучшей реконструкции и расчленению характеристик.

Ссылка на статью: https://arxiv.org/pdf/2109.03454v1.pdf

Ссылка на GitHub: https://github.com/magiczooz/signallike-embedding


Источник: github.com

Комментарии: