Abstrakt
Most melody harmonization systems use the generative hidden Markov model (HMM), which model the relation between the hidden chords and the observed melody. Relations to other variables, such as the tonality or the metric structure, are handled by training multiple HMMs or are ignored. In this paper, we propose a discriminative means of combining multiple probabilistic models of various musical variables by means of model interpolation. We evaluate our models in terms of their cross-entropy and their performance in harmonization experiments. The proposed model offered higher chord root accuracy than the reference musucological rule-based harmonizer by up to 5% absolute
Cytowania
-
2 3
CrossRef
-
0
Web of Science
-
3 4
Scopus
Autorzy (3)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuł w czasopiśmie wyróżnionym w JCR
- Opublikowano w:
-
Journal of New Music Research
nr 42,
wydanie 3,
strony 223 - 235,
ISSN: 0929-8215 - Język:
- angielski
- Rok wydania:
- 2013
- Opis bibliograficzny:
- Raczyński S., Fukayama S., Vincent E.: Melody Harmonization with Interpolated Probabilistic Models// Journal of New Music Research. -Vol. 42, iss. 3 (2013), s.223-235
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1080/09298215.2013.822000
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 113 razy
Publikacje, które mogą cię zainteresować
Introduction to the special issue on machine learning in acoustics
- Z. Michalopoulou,
- P. Gerstoft,
- B. Kostek
- + 1 autorów
A novel hybrid adaptive framework for support vector machine-based reliability analysis: A comparative study
- S. Yang,
- Z. He,
- J. Chai
- + 4 autorów
How Machine Learning Contributes to Solve Acoustical Problems
- M. A. Roch,
- P. Gerstoft,
- B. Kostek
- + 1 autorów