All 88 keys of a piano at two stages, right after production (stage 1) and one year after playing (stage 2) are investigated using Music Information Retrieval (MIR) timbre extraction and Machine Learning (ML). In \cite{Plath2019} it was found that listeners clearly distinguished both stages but no clear correlation with acoustics, signal processing tools or verbalizations of perceived differences could be found. Using a Self-Organizing Map (SOM) training single as well as double feature sets it is found that spectral flux is able to perfectly cluster the two pianos. Sound Pressure Level (SPL), roughness, and fractal correlation dimension, as a measure for initial transient chaoticity are furthermore able to order the keys with respect to high and low tones. Combining spectral flux with the three other features in double-feature training sets maintain stage clustering only for SPL and fractal dimension, showing sub-clusters for both stages. These sub-clusters point to a homogenization of SPL for stage 2 with respect to stage 1 and a pronounced ordering and sub-clustering of key regions with respect to initial transient chaoticity.


翻译:制作后(第1阶段)和播放后一年(第2阶段)的所有88个钢琴钥匙都使用音乐信息检索(MIR)磁带提取和机器学习(ML)来调查。在\cite{Plath2019}中,发现听众明显区分了两个阶段,但与声学、信号处理工具或认知差异的言语没有明显关联。使用自成一体的地图(SOM)培训单级和双元分集,发现光谱通度能够完美地组合这两台钢琴。声音压力水平(SPL)、粗糙和分形相关维度,作为初步中度混乱度的一项措施,还可以订购中低端的钥匙。将光谱通量与双功能培训中的其他三个特征结合起来,只能维持SPL和分集束,显示两个阶段的分集束。这些分集指SPL在第2阶段的同质化,以及关键区域的明确定序和次分组,与初始中截断的中位性混乱。

0
下载
关闭预览

相关内容

IEEE信号处理信函(SPL)是每月一次的存档出版物,旨在快速传播原始的,最先进的想法,并在信号,图像,语音,语言和音频处理方面提供及时、重要的贡献。 官网地址:http://dblp.uni-trier.de/db/journals/spl/
【2022新书】机器学习基础,225页pdf,Machine Learning The Basics
专知会员服务
115+阅读 · 2019年12月24日
吴恩达新书《Machine Learning Yearning》完整中文版
专知会员服务
145+阅读 · 2019年10月27日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Machine Learning:十大机器学习算法
开源中国
20+阅读 · 2018年3月1日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Deep Learning & Neural Network 免费学习资源【译】
乐享数据DataScientists
5+阅读 · 2017年8月20日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
7+阅读 · 2021年10月19日
Arxiv
45+阅读 · 2019年12月20日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
26+阅读 · 2018年8月19日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Machine Learning:十大机器学习算法
开源中国
20+阅读 · 2018年3月1日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Deep Learning & Neural Network 免费学习资源【译】
乐享数据DataScientists
5+阅读 · 2017年8月20日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Top
微信扫码咨询专知VIP会员