Συγγραφέας: Χαλκιόπουλος Κωνσταντίνος
Λέξεις Κλειδιά: Ταυτοποίηση μουσικού προτύπου, Μουσική ανάλυση με τη χρήση υπολογιστικών μεθόδων, Μουσική αναπαράσταση, Εξόρυξη γνώσης, Μουσική εξόρυξη, Μηχανική μάθηση στην υπολογιστική μουσική, Συνεχιστής μελωδίας, Πολύμνια

Σύνοψη: Μία από τις βασικές προκλήσεις στο μουσικό αυτοσχεδιασμό είναι ο διαδραστικός αυτοσχεδιασμός μεταξύ ενός ανθρώπου και ενός συστήματος. Στη παρούσα ενότητα παρουσιάζουμε ένα μουσικό διαδραστικό σύστημα (Πολύμνια) ως συνεχιστή της μελωδίας (as melody continuator). Για κάθε μουσικό πρότυπο (pattern) που έχει δοθεί από το χρήστη, το ευφυές σύστημα ανακαλεί ένα όμοιο (similar) γενικό πρότυπο που είναι αποθηκευμένο στη βάση του (database) και το οποίο το αναμορφώνει ανάλογα (reform). Το προτεινόμενο σύστημα κατευθύνει τη μουσική αναπαράσταση και την ομοιότητα του μουσικού προτύπου (musical pattern similarity) στη χρήση της εξόρυξης δεδομένων (data mining). Προτείνουμε ένα σχήμα μουσικής αναπαράστασης το οποίο μπορεί να χρησιμοποιηθεί για ανάλυση εξόρυξης δεδομένων (data mining analysis) η οποία στοχεύει στη μάθηση γενικών προτύπων και για τη συχνότητα και για τη διάρκεια σε συγκεκριμένα είδη μουσικής (music styles). Η εξόρυξη δεδομένων είναι μια αναδυόμενη διαδικασία μηχανικής μάθησης με την εξαγωγή προηγουμένως άγνωστων, αγώγιμων (actionable) πληροφοριών από πολύ μεγάλες επιστημονικές και εμπορικές βάσεις δεδομένων. Η μηχανική μάθηση (machine learning) έχει παίξει έναν κρίσιμο ρόλο στη υπολογιστική μουσική (computer music) σχεδόν από την αρχή της. Πρόσφατα η έρευνα στο πεδίο έχει εστιαστεί στην εξόρυξη μουσικής (music mining). Παρουσιάζουμε επίσης πειραματικά αποτελέσματα για έλεγχο και αξιολόγηση της αποδοτικότητας (efficiency) και της ακρίβειας του προτεινόμενου συστήματος «Πολύμνια».

Αρχείο Διδακτορικής Διατριβής