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

Development of Artificial Intelligence that Simulates Human Kansei for Melodies Written in Music Notation

开发模拟人类感性的乐谱旋律人工智能

基本信息

批准号：
22K12329
负责人：
川村暁
金额：
$ 1.75万
依托单位：
Iwate University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

楽器演奏者の楽譜（旋律）演奏におけるテンポや印象などの感性情報を得るため被験者実験を行っている．楽譜（旋律）は，本科研費およびJP18K11598の助成で構築した820旋律を用いた．被験者の楽器は吹奏楽器とピアノである．被験者８名が実験中である．これまでの被験者実験の結果をデータベース化し分析基盤を構築中である．実験が完了している12名のデータを入力した．集成されたデータに基づきクロス分析する際の指標について検討中である．データセットの元である楽譜の，作曲年代・作曲者・種別などを指標とした解析を行う基盤となる．このような，録音された音のデータセットでは無く，楽譜と感性情報処理の結果（楽譜と，楽譜を演奏したときのテンポ・好き嫌いなど）の対になったデータセットは特異である．これまでに集成した楽譜とテンポを用いて，数値化した楽譜からテンポのはやい・おそいを機械学習し学習に用いていない評価用の楽譜のテンポのクラスを模擬できるか計算機実験を行っている．ある楽器演奏者の推定したテンポをデータとし，前処理に自己符号化器を用いた深層ニューラルネットワーク（入力層１，中間層１１，出力層１）とし，Optunaにより最適パラメータを検索した結果，学習用データの認識率は99.8%，評価用データの認識率は83.9%となった．引き続き，学習に用いていない評価用データの認識率の向上，および，他の被験者の推定したテンポのクラス分類について機械学習を行っている．

The musical instrument player's music score (melody) plays the musical instrument's performance. Pu (melody) は, undergraduate research funds およびJP18K11598の成でconstruct した820 melody を Use いた. The one who was beaten is playing the pupil instrument and playing the pupil instrument. The 8 victims were named が実験中である.これまでの被験者実験のRESULTS をデータベース化しANALYSIS BASE を CONSTRUCTION である.実験が全している12人のデータを入力した. Integrated されたデータにbased づきクロス ANALYSIS する国际のINDICATOR について検 Discussion on 中である．データセットの元である楽PUの, composition year, composer, category などを index and analysis を row う base plate となる.このような, recording された音のデータセットでは无く, 楽PUとPerceptual information processing results (楽PUと.これまでにintegrated した楽片とテンポを用いて, numeralized した楽片からテンポのはやい・おそいをMechanics学し学に用いていないvaluation価用の楽PUのテンポのクラスを simulated できるかcomputer 実験を行っている.ある楽 Player's Presumption したテンポをデータとし, preprocessor's own symbolizerをいたdeep ニューラルネットワーク (input layer 1, middle layer 11, output layer 1 ) とし, Optuna によりoptimal パラメータを検SO した results, learning with デーThe recognition rate of タの is 99.8%, and the recognition rate of 価用データの is 83.9%. Hing き続き, learn にいていない価用データの recognition rate の upward, および, he Presumption of the person being victimized したテンポのクラスClassificationについてMechanical learningを行っている.