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

基本信息

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

项目摘要

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。

在2022年，在数据收集，文化进化模型的时间演化分析，使用机器学习的文化进化数据分析，创造性数据的时间演变以及进化模型在音乐信息处理中的应用中，尤其是实现了结果。在数据收集中，我们收集并维护了乐曲的数据，旋律和和弦进程数据，歌词数据以及图表歌曲的绘画图像数据，并进行了基本的统计分析。文化进化模型的时间进化分析研究了一个框架，该框架通过整合聚类分析和基于适应性的时间进化模型来解决集体间和群集内相互作用，以用于高维统计空间中的点表示的创造性数据。这表明，集群和群内动力学在日本和美国流行音乐作品的发展中同样重要。此外，通过开发一种统计方法来估计从数据进化动力学动力并将其应用于实际数据的适应性函数，可以比一般回归方法更高的准确性预测未来创意样式的分布。在为创造性数据的时间演变开发可视化方法时，我们开发了一种通过维数减少方法获得的二维空间中创造性数据的方法，以分析时间演变，这是一种可视化群集特性的方法，例如使用聚类分析的结果以及描述每个cluster的统计数据的方法的相对频率和差异。在音乐信息处理中，我们发布了自动组成系统CREEVO，并在实验上证明，在后者中可以通过大量用户评估从现有数据和通过进化分析获得的组合模型中评估的组成模型来获得具有较高评级的组合模型。这可以说是这样一个重要的结果，即通过发展构图模型，可以在传统的机器学习上实现高质量的音乐生成方法。