深層・統計学習と非平衡系物理の理論に基づく文化と知能の進化モデルの研究

基于深度统计学习和非平衡物理理论的文化与智能进化模型研究

• 批准号: 22H03661
• 负责人: 中村 栄太
• 金额: $ 10.9万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H03661/
• 关键词: 文化進化; 知能情報処理; 統計学習; 進化動力学; 文化情報学; 創作物データの進化分析; クラスター構造の進化モデル; 創作スタイルの進化予測; 高次元統計量空間上の進化; 統計学習の進化モデル; 機械学習による適応度推定; 文化進化データの可視化; 進化する自動作曲システム; 知能情報; 創作スタイルの進化

2022年度は、特に、データ収集、文化進化モデルの時間発展解析、機械学習を用いた文化進化データ解析、創作データの時間発展の可視化手法、および進化モデルの音楽情報処理への応用において成果が得られた。データ収集では、チャート曲の楽譜データおよびメロディー・コード進行データ、歌詞データ、絵画画像データの収集・整備をして、その基礎統計分析を行った。文化進化モデルの時間発展解析では、高次元の統計量空間の点で表される創作物データに対して、クラスタリング分析と適応度に基づく時間発展モデルを統合することで、クラスター間相互作用とクラスター内相互作用の両方を扱う枠組みを研究した。これにより、日本および米国のポピュラー音楽の作曲スタイルの進化において、クラスター間とクラスター内ダイナミクスの両方が同程度に重要であることを示した。また、データから進化ダイナミクスの動力となる適応度関数を推定する統計的手法を開発し、実際のデータに適用することで、一般的な回帰手法よりも高精度で将来の創作スタイルの分布の予測が可能なことを示した。創作データの時間発展の可視化手法の開発では、創作物データを次元削減手法により得られた2次元空間上で可視化して時間発展を分析する方法、クラスター分析の結果を用いてクラスターの相対頻度および分散などのクラスター特性を可視化する方法、そして、クラスターごとに統計量の時間発展を描写する方法の開発を行った。音楽情報処理への応用では、自動作曲システムCREEVOの公開を行い、既存データから学習した作曲モデルおよび進化分析によって得られた作曲モデルを多数の利用者に評価してもらうことにより、後者においてより高評価の作曲モデルが得られることを実験的に示した。これは作曲モデルを進化させることにより、従来の機械学習よりも高品質の音楽生成手法が実現できることを示す点で重要な結果であると言える。

2022 annual は, に, デ ー タ 収 set, cultural evolution モ デ ル の time 発 exhibition parsing, mechanical learning を い た cultural evolution デ ー タ parsing, create デ ー タ の time 発 exhibition の visualization technique, お よ び evolution モ デ ル の sound joy intelligence 処 Richard へ の 応 with に お い が て achievements have ら れ た. デ ー タ 収 set で は, チ ャ ー ト qu の joy spectrum デ ー タ お よ び メ ロ デ ィ ー · コ ー ド for デ ー タ, lyrics デ ー タ, 絵 painting like デ ー タ の 収 set, servicing を し て, そ の basic statistical analysis line を っ た. Cultural evolution モ デ ル の time 発 exhibition parsing で は, high dimensional space の point で の statistics table さ れ る creation デ ー タ に し seaborne て, ク ラ ス タ リ ン グ analysis franch と 応 に base づ く time 発 exhibition モ デ ル を integration す る こ と で, ク ラ ス タ ー interaction between と ク ラ ス タ ー interactions within の struck party を Cha う 枠 group み を research し た. こ れ に よ り, Japan お よ び U.S. の ポ ピ ュ ラ ー sound joy の composing ス タ イ ル の evolution に お い て, ク ラ ス タ ー between と ク ラ ス タ ー within ダ イ ナ ミ ク ス の struck party が with に significant で あ る こ と を shown し た. ま た, デ ー タ か ら evolution ダ イ ナ ミ ク ス の power と な る fit 応 degrees masato を presumption す る statistical technique を open 発 し, be interstate の デ ー タ に applicable す る こ と で, general な 帰 back technique よ り も high-precision で の creation in the future ス タ イ ル の の distribution may be が な こ と を shown し た. Creative デ ー タ の time 発 exhibition の visualization technique の open 発 で は, creation デ ー タ を dimensional reduction technique に よ り have ら れ た で on 2 dimensional space visualization し て time 発 exhibition を analysis す る method, ク ラ ス タ の ー analysis results を い て ク ラ ス タ ー の phase frequency お seaborne よ び scattered な ど の ク ラ ス タ ー features を visualization す る method, そ し て, ク ラ Youdaoplaceholder0 ごとに ごとに statistics <s:1> time development を description する method <e:1> development を rows った. Sound joy intelligence 処 Richard へ の 応 with で は, automatic composition シ ス テ ム CREEVO の public を い, existing デ ー タ か ら learning し た composing モ デ ル お よ び evolution analysis に よ っ て have ら れ た composing モ デ ル を most の ik に review 価 し て も ら う こ と に よ り, the latter に お い て よ り high ratings 価 の composing モ デ ル が have ら れ る こ と を be 験 に Show た. こ れ は composing モ デ ル を evolution さ せ る こ と に よ り, 従 の rote learning よ り も の high quality sound joy が formed be presently で き る こ と を で す point important な results indicated で あ る と said え る.

项目成果

ピアノ譜から吹奏楽譜への楽器編成を指定可能な自動編曲

自动排列，允许您指定从钢琴乐谱到管乐乐谱的乐器

• 发表时间: 2023
• 作者: 鍋岡琢渡;中村栄太;寺尾萌夢;吉井和佳
• 通讯作者: 吉井和佳

作曲スタイル分布の動的クラスター構造の分析と予測

作文风格分布动态聚类结构分析与预测

• 发表时间: 2022
• 作者: 中村栄太;Rajsuryan Singh,
• 通讯作者: Rajsuryan Singh,

ジェラール・グリゼイの作曲概念と他分野での表現法の照応

杰拉德·格里西其他领域的作曲理念和表现方法比较

• 发表时间: 2022
• 作者: 宮澤脩一;持橋大地;金子仁美
• 通讯作者: 金子仁美

定テンポ制約付きCTCに基づく自動ドラム採譜

基于具有固定节奏约束的 CTC 的自动鼓转录

• 发表时间: 2023
• 作者: 鎌倉大地;中村栄太;吉井和佳
• 通讯作者: 吉井和佳

Predictive modeling of dynamic cluster structure of popular music creation styles

流行音乐创作风格动态聚类结构的预测建模

• 发表时间: 2022
• 作者: Eita Nakamura;Rajsuryan Singh
• 通讯作者: Rajsuryan Singh