| 研究課題/領域番号 |
18K11598
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62040:エンタテインメントおよびゲーム情報学関連
|
|---|
| 研究機関 | 盛岡大学 (2019-2020)
岩手大学 (2018) |
|---|
研究代表者 |
川村 暁 盛岡大学, 文学部, 准教授 (40347919)
|
|---|
| 研究分担者 |
吉田 等明 岩手大学, 教育学部, 特命教授 (00220666)
劉 忠達 石巻専修大学, 理工学部, 助教 (00782533)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 感性情報処理 / 楽器演奏者 / 楽譜 / テンポ / 機械学習 / 人工知能 / データセット |
|---|
| 研究成果の概要 |
総譜から抽出した旋律（楽譜）を楽器演奏者が演奏するときの，テンポや感じ方等の感性情報を収集する基盤を整えた．
この楽譜セットを，楽器の吹奏能力および読譜能力が一定水準以上の被験者が吹奏し，テンポを初めとする感性情報を記す被験者実験を行い，楽譜と人間が処理した感性情報を得た．「コロナ禍」のため，楽器の吹奏場所が確保に困難が生じ，学生の被験者実験に一部支障が生じた．
計算機実験の結果，機械学習の手法によっては学習に100%成功しても評価用の未知データ，特にテンポの遅いクラスの認識が0%となるなど全く対応できず，適切な手法を使う必要があることが示された．SVMよりもMLPやCNNが良好な結果となった．
|
| 自由記述の分野 |
情報工学
|
| 研究成果の学術的意義や社会的意義 |
楽譜を人間が処理した結果である演奏（音）ではなく，楽譜についての研究であり特異である．感性情報を収集しデータセットを構築するための旋律（楽譜）セットを構築したことは，感性情報を得る上でも意義が大きい．
この旋律（楽譜）セットを用いて，楽器演奏者が吹奏時のテンポなどの感性パラメータを収集し，楽譜の感性データセット構築の基礎を築いた．楽譜と対になる感性データセットも特異である．
楽譜の感性情報のうちテンポのクラス分類問題の試行では，機械学習手法によっては学習が100%成功しても未知の評価データの正答率が50%となるものもあり，MLPやCNNを用いると97%程度の認識率となることが示された．
|
