We present a polyphonic MIDI score-

We present a polyphonic MIDI score-following algorithm capable of following performances with arbitrary repeats and skips, based on a probabilistic model of musical performances. It is attractive in practical applications of score following to handle repeats and skips which may be made arbitrarily present during performances, but the algorithms previously described in the literature cannot be applied to scores of practical length due to problems with large computational complexity. We propose a new type of hidden Markov model (HMM) as a performance model which can describe arbitrary repeats and skips including performer tendencies on distributed score positions before and after them, and derive an efficient score-following algorithm that reduces computational complexity without pruning. A theoretical discussion on how much such information on performer tendencies improves the score-following results is given. The proposed score-following algorithm also admits performance mistakes and is demonstrated to be effective in practical situations by carrying out evaluations with human performances. The proposed HMM is potentially valuable for other topics in information processing and we also provide a detailed description of inference algorithms.

ผลลัพธ์ (ไทย) 1:

เรานำเสนอความเหมือนจริง MIDI คะแนนต่ออัลกอริทึมสามารถตามอำเภอใจทำซ้ำและกระโดด แบบจำลอง probabilistic ของดนตรีการแสดงการแสดง ก็น่าสนใจในการประยุกต์ใช้งานจริงของคะแนนต่อการจัดการการทำซ้ำและการกระโดดซึ่งอาจจะทำโดยพลการไม่อยู่ในระหว่างการแสดง แต่ไม่ใช้อัลกอริทึมที่อธิบายไว้ก่อนหน้านี้ ในวรรณคดีกับคะแนนความยาวจริงเนื่องจากปัญหาความซับซ้อนของคอมพิวเตอร์ขนาดใหญ่ เราเสนอแบบใหม่รุ่นซ่อน Markov (HMM) เป็นแบบจำลองประสิทธิภาพการทำงานซึ่งสามารถอธิบายกำหนดซ้ำ และข้ามรวมถึงนักแสดงแนวโน้มในการกระจายคะแนนตำแหน่งก่อน และหลัง จาก นั้น และได้รับมีประสิทธิภาพคะแนนต่ออัลกอริทึมที่ลดความซับซ้อนเชิงคำนวณโดยไม่ต้องตัด การสนทนาทฤษฎีจำนวนเช่นข้อมูลเกี่ยวกับนักแสดงแนวโน้มเพิ่มคะแนนต่อไปนี้ให้ผลลัพธ์ อัลกอริทึมต่อไปนี้คะแนนเสนอยังยอมรับประสิทธิภาพการทำงานผิดพลาด และแสดงให้เห็นว่า มีประสิทธิภาพในสถานการณ์จริง โดยการประเมินด้วยมนุษย์แสดง นำเสนออืมมเป็นอาจมีคุณค่าสำหรับหัวข้ออื่น ๆ ในการประมวลผลข้อมูล และเรายังให้คำอธิบายโดยละเอียดของอัลกอริทึมข้อ

ผลลัพธ์ (ไทย) 2:

เรานำเสนอ MIDI คะแนนต่อไปนี้ขั้นตอนวิธีการเรียกความสามารถในการแสดงต่อไปนี้ด้วยซ้ำโดยพลการและข้ามขึ้นอยู่กับรูปแบบความน่าจะเป็นของการแสดงดนตรี มันเป็นที่น่าสนใจในการใช้งานจริงของคะแนนต่อไปนี้ในการจัดการและซ้ำข้ามซึ่งอาจจะทำให้ปัจจุบันพลในระหว่างการแสดง แต่ขั้นตอนวิธีการที่อธิบายไว้ก่อนหน้านี้ในวรรณกรรมไม่สามารถนำไปใช้กับคะแนนของระยะเวลาในการปฏิบัติเนื่องจากปัญหาเกี่ยวกับความซับซ้อนของคอมพิวเตอร์ขนาดใหญ่ เรานำเสนอรูปแบบใหม่ของที่ซ่อนอยู่แบบมาร์คอฟ (HMM) เป็นรูปแบบการดำเนินงานที่สามารถอธิบายซ้ำโดยพลการและข้ามรวมทั้งแนวโน้มของนักแสดงในการกระจายตำแหน่งคะแนนก่อนและหลังพวกเขาและได้รับคะแนนดังต่อไปนี้ขั้นตอนวิธีการที่มีประสิทธิภาพที่ช่วยลดความซับซ้อนของการคำนวณโดยการตัดแต่งกิ่ง ทฤษฎีการสนทนากับเท่าใดข้อมูลดังกล่าวในการแสดงแนวโน้มเพิ่มคะแนนต่อไปนี้จะได้รับผล นำเสนอขั้นตอนวิธีการดังต่อไปนี้คะแนนยังยอมรับความผิดพลาดของการทำงานและแสดงให้เห็นว่ามีประสิทธิภาพในสถานการณ์จริงโดยการดำเนินการประเมินผลกับการแสดงของมนุษย์ เสนออืมอาจเป็นประโยชน์สำหรับหัวข้ออื่น ๆ ในการประมวลผลข้อมูลและเรายังให้คำอธิบายรายละเอียดของขั้นตอนวิธีการอนุมาน

ผลลัพธ์ (ไทย) 3:

เราเสนอคะแนน MIDI ซึ่งต่อไปนี้ขั้นตอนวิธีสามารถต่อไปนี้แสดงด้วยซ้ำโดยพลการและกระโดด ตามรูปแบบการแสดงดนตรี มันมีเสน่ห์ในการใช้งานจริงของคะแนนต่อไปนี้เพื่อจัดการซ้ำและการกระโดดซึ่งอาจทำโดยพลการเสนอระหว่างการแสดงแต่วิธีการที่อธิบายไว้ก่อนหน้านี้ในวรรณคดี ไม่สามารถนำไปใช้กับคะแนนของความยาวในทางปฏิบัติเนื่องจากปัญหากับการคำนวณที่ซับซ้อนขนาดใหญ่ เรานำเสนอรูปแบบใหม่ของฮิดเดนมาร์คอฟโมเดล ( อืม ) เป็นรูปแบบการแสดงซึ่งสามารถอธิบายซ้ำเผด็จการและเต้นรวมทั้งแนวโน้มในการกระจายผลงานตำแหน่งคะแนนก่อนและหลังพวกเขาและการสืบทอดคะแนนตามขั้นตอนวิธีที่มีประสิทธิภาพที่ช่วยลดความซับซ้อนในการคำนวณโดยไม่ต้องตัด การอภิปรายเชิงทฤษฎีเกี่ยวกับข้อมูลดังกล่าวเท่าใดบนตัวนักแสดงเพิ่มคะแนนตามผลที่ได้ข้อเสนอคะแนนตามขั้นตอนวิธีการปฏิบัติยังยอมรับความผิดพลาดและแสดงให้เห็นถึงประสิทธิภาพในสถานการณ์จริง โดยมีการประเมินผลกับสมรรถนะของมนุษย์ เสนออืมอาจจะมีคุณค่าสำหรับหัวข้ออื่น ๆในการประมวลผลข้อมูล และเรายังให้รายละเอียดของขั้นตอนวิธีการอนุมาน