Počet záznamů: 1
Model Considerations for Memory-based Automatic Music Transcription
- 1.
SYSNO ASEP 0328923 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Model Considerations for Memory-based Automatic Music Transcription Překlad názvu Paměťově orientované modely pro systémy automatický přepis hudby Tvůrce(i) Albrecht, Š. (CZ)
Šmídl, Václav (UTIA-B) RID, ORCIDZdroj.dok. 29th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. - Oxford, Mississipi : AIP, 2009 Rozsah stran s. 1-8 Poč.str. 8 s. Forma vydání www - www Akce 29th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering Datum konání 05.07.2009-10.07.2009 Místo konání Oxford, Mississipi Země US - Spojené státy americké Typ akce WRD Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova Automatic music recognition ; Stochastic modeling ; parameter estimation Vědní obor RIV BD - Teorie informace CEZ AV0Z10750506 - UTIA-B (2005-2011) Anotace The problem of automatic music description is considered. The recorded music is modeled as a superposition of known sounds from a library weighted by unknown weights. Similar observation models are commonly used in statistics and machine learning. Many methods for estimation of the weights are available. These methods differ in the assumptions imposed on the weights. In Bayesian paradigm, these assumptions are typically expressed in the form of prior probability density function (pdf) on the weights. In this paper, commonly used assumptions about music signal are summarized and complemented by a new assumption. These assumptions are translated into pdfs and combined into a single prior density using combination of pdfs. Validity of the model is tested in simulation using synthetic data. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2010
Počet záznamů: 1