2017 Fiscal Year Research-status Report
相互予測によるコミュニケーションの相互適応モデルの構築および音楽演奏を用いた検証
| Project/Area Number |
16K16180
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
北原 鉄朗 日本大学, 文理学部, 准教授 (00454710)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 音楽生成 |
|---|
| Outline of Annual Research Achievements |
今年度は音楽の予測・適応モデルの構築の一環として次の研究に取組んだ。
(1)遺伝的アルゴリズムを用いて旋律を自動生成するアルゴリズムを考案した。遺伝的アルゴリズムでは「適応度関数」の設計が中心的課題となるが、N-gram確率、コードや拍節位置を条件とした条件付確率、エントロピー等を用いることで、音楽的に一定の妥当性を有する旋律を生成できた。更にこの生成アルゴリズムを用い、ユーザが旋律の大まかな形（旋律概形）をマウスや指でスクリーンに描くと、リアルタイムに旋律が生成され演奏される即興演奏支援システムを開発した。
(2)(1) のシステムを用い複数人で合奏する準備として、スマートフォンを用いこのシステムを利用できるよう拡張した。具体的にはスマートフォンを上下に動かし、それを加速度センサで検出するか、指定色の手袋をはめてスマートフォンのカメラに手を翳して上下に動かし、それを画像処理により検出し、その上下運動に連動する形で旋律を生成する。
(3)ソプラノパートの旋律が与えられると、四声体和声（ソプラノ、アルト、テノール、バスの4パートからなる和声）を自動的に生成するアルゴリズムを検討した。申請者は同様の処理をベイジアンネットワーク（BN）と呼ばれる確率モデルを用いて実現してきたが、今年度はリカレントニューラルネットワーク（RNN）の一種である long short-term memory (LSTM) を用いた。BNは依存性を考慮するノードを明示的に指定する必要があり、このノード数が増えるとモデルパラメータ数が指数的に増え、限られた量の学習データでは学習が難しい。一方LSTMは長期的な依存性を考慮できることで注目を集めている。BNとLSTMとで同じデータを用い学習・生成の実験を行い、その傾向を考察した。
(4)その他音楽の自動生成、音楽の定量的分析等に関する研究に取組み、一定の成果を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
上で述べたように、旋律の自動生成に関して新しいアルゴリズムを考案し、実験にてその有効性を示すことができた。査読付きの国際会議に多数投稿し、その多くが採録される等、順調に成果が得られていると考える。
|
| Strategy for Future Research Activity |
引き続き、予測に基づく旋律生成アルゴリズムの洗練化を進めるとともに、複数人による合奏への対応のための実装を進め、合奏によるデータの取得を開始する。また、相互適応については、アルゴリズムの検討が進んでいないので、そちらの検討も進める。いまのところ、ベイジアンネットワークなどの確率モデルまたはLSTMに対して、相互の予測精度が向上するように自動的かつ漸進的にパラメータを変更させる、という形で定式化する予定である。
|
| Causes of Carryover |
平成29年度は本研究2年目にあたり、PCやソフトウェア、電子ドラムなどの多くの物品を購入し、共同研究者を本学に招聘して打ち合わせを行い、学生をアルバイトとして雇用して研究のお手伝いをお願いするなど、大々的に進めた。その結果、予算不足が発生し、50万円の前倒し使用の申請を行った。しかし、雇用したアルバイト学生とのスケジュールがなかなか合わず、当初予定より勤務実績が少なくなったことから、約14万円の残額が生じた。この14万円は、主に、プログラム作成の補助や実験補助などのアルバイトのための人件費、実験協力者への謝礼などに使用する予定である。
|
