izpis_h1_title_alt

SymCHM—an unsupervised approach for pattern discovery in symbolic music with a compositional hierarchical model
ID Pesek, Matevž (Avtor), ID Leonardis, Aleš (Avtor), ID Marolt, Matija (Avtor)

.pdfPDF - Predstavitvena datoteka, prenos (846,04 KB)
MD5: 97589F1A41E0E9BF66FA78D99818EC2A
URLURL - Izvorni URL, za dostop obiščite http://www.mdpi.com/2076-3417/7/11/1135 Povezava se odpre v novem oknu

Izvleček
This paper presents a compositional hierarchical model for pattern discovery in symbolic music. The model can be regarded as a deep architecture with a transparent structure. It can learn a set of repeated patterns within individual works or larger corpora in an unsupervised manner, relying on statistics of pattern occurrences, and robustly infer the learned patterns in new, unknown works. A learned model contains representations of patterns on different layers, from the simple short structures on lower layers to the longer and more complex music structures on higher layers. A pattern selection procedure can be used to extract the most frequent patterns from the model. We evaluate the model on the publicly available JKU Patterns Datasets and compare the results to other approaches.

Jezik:Angleški jezik
Ključne besede:music information retrieval, compositional modelling, pattern discovery, symbolic music representations
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Status publikacije:Objavljeno
Različica publikacije:Objavljena publikacija
Leto izida:2017
Št. strani:20 str.
Številčenje:Vol. 7, iss. 11, art. 1135
PID:20.500.12556/RUL-131009 Povezava se odpre v novem oknu
UDK:004:78
ISSN pri članku:2076-3417
DOI:10.3390/app7111135 Povezava se odpre v novem oknu
COBISS.SI-ID:1537631683 Povezava se odpre v novem oknu
Datum objave v RUL:21.09.2021
Število ogledov:543
Število prenosov:125
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del revije

Naslov:Applied sciences
Skrajšan naslov:Appl. sci.
Založnik:MDPI
ISSN:2076-3417
COBISS.SI-ID:522979353 Povezava se odpre v novem oknu

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:04.11.2017

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:pridobivanje informacij iz glasbe, kompozicionalno modeliranje, odkrivanje vzorcev, simbolne predstavitve glasbe

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj