权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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。

2022 year は, special に, データ collection, cultural evolution モデルのchronological development analysis, machine learning をいたcultural evolution データ analysis , the visualization technique of creation and time development, the evolution of music and information processing, and the results of creation and development.データCollection では、チャートquの楽Music データおよびメロディー・コード progress データ, Lyrics データ, 絵画画图データのCollection and preparation をして, そのBasic statistical analysis を行った. Cultural Evolution Time Development Analysis, High Dimensional Statistical Space Point Table, Creations, and クラスタリング Analysis and Adaptation The degree of time and the development of time and the integration of time and space Interaction とクラスターInteraction の両square を扱う枠组みを Research した.これにより、日本および米国のポピュラー音楽の composer スタイルのevolution において、クThe ラスター马とクラスター内ダイナミクスの両square is the same degree of importance as the であることをshows した.また, データからevolution ダイナミクスのkinetic となるsuitable degree pass number をestimation するstatistical technique を开発し,実记のデータにApplicable to the general なることで, high-precision future creation, distribution and forecasting, possible なことをshowing the possibility. The visualization technique of time development of creation, opening of time, and the dimension reduction technique of creation, too.り得られたVisualization and analysis of time development in 2-dimensional space, する method, クラスターanalysis The results are visualized using the characteristics of the frequency distribution system and the characteristics of the system. Method, そして, クラスターごとにstatisticsのtime発DevelopをDescriptionするmethodの开発を行った. Music Information Processing System, Automatic Composition System, CREEVO Public Information System, Existing Music Information Processing System, Composer System, and Evolution Analysis System.られたcomposed by モデルをMost usersにreview価してもらうことにより, the latterにおいてよりHighly rated 価のcomposed by モデルが得られることを実験's に Showした.これは composer モデルをevolution させることにより, 従来のMechanical learning よりもHigh quality The method of generating musical instruments is very important and the result is very important.