Musical expectation modelling from audio: a causal mid-level approach to predictive representation and learning of spectro-temporal events
- Autores: Amaury Hazan
- Directores de la Tesis: Xavier Serra Casals (dir. tes.)
- Lectura: En la Universitat Pompeu Fabra ( España ) en 2010
- Idioma: español
- Tribunal Calificador de la Tesis: José M. Iñesta Quereda (presid.) , Jordi Janer Mestres (secret.) , Josep Lluís Arcos Rosell (voc.) , Fabien Gouyon (voc.) , Gérard Assayag (voc.)
- Enlaces
- Tesis en acceso abierto en: TDX e-Repositori UPF
- Resumen
Esta tesis presenta un modelo computacional de expectativa musical, que es un aspecto muy importante de como procesamos la música que oimos. Muchos fenomenos relacionados con el procesamiento de la musica están vinculados a una capacidad para anticipar la continuación de una pieza de música. Nos enfocaremos en un acercamiento estadístico de la expectativa musical, modelando los procesos de aprendizaje y de predicción de las regularidades espectro-temporales de forma causal.
El principio de modelado estadístico de la expectativa se puede aplicar a varias representaciones de estructuras musicales, desde las notaciones simbolicas a la señales de audio. Primero demostramos que ciertos algoritmos de aprendizaje de secuencias se pueden usar y evaluar en el contexto de la percepción y el aprendizaje de secuencias auditivas. Luego, proponemos una representación, denominada que/cuando, para representar eventos musicales de una forma que permite describir y aprender la estructura secuencial de unidades acústicas en señales de audio musical.
Aplicamos esta representación para describir y anticipar caracteristicas timbricas y ritmos. Sugerimos que se pueden explotar las propiedades del modelo de expectativa para resolver tareas de análisis como la segmentación estructural de piezas musicales. Finalmente, exploramos las implicaciones de nuestro modelo a la hora de definir nuevas aplicaciones en el contexto de la transcripción en tiempo real, la sintesis concatenativa y la visualización.
