XiaoMi-AI文件搜索系统
World File Search System复音
用于音乐复音生成系统的脑机接口、视觉追踪器和人工智能
系统架构如图2所示。左侧的音高剖面生成器模块基于一种算法，该算法将Leap Motion 设备检测到的作曲家手指坐标转换为音符音高。结果是音高剖面，即一系列没有关于其持续时间的音符。右侧模块的特点是前馈网络分类器，它采用深度网络算法，分析作曲家佩戴的Emotiv 耳机的五个电极发出的脑电图信号，并将其心理状态分类为“专注”或“放松”。这里的心理状态是从脑电图信号获得的一系列功率谱值。该算法先前已通过特定作曲家的心理状态数据集进行训练。复音结构生成器：1）接收音高轮廓，2）将其乘以四以获得复音草案，3）根据作曲家的心理状态，为四个音高轮廓的音符赋予持续时间，并通过乱序方法进行区分。
一个生物反馈系统让你在跳舞时创作自己的音乐
音乐世界和舞蹈世界本身就是一个研究领域。同时，在计算机科学领域，人们对脑机接口 (BCI) 的兴趣近年来显著增加，因为它代表着实现更内在的人机关系的可能性。生物反馈系统 [1] 也正在获得发展势头，其特点是佩戴 BCI 的用户和计算机之间的连续循环。在本文中，我们提出了一种生物反馈系统的演示，该系统将一名舞者、一个专门开发的音乐作曲软件和两名音乐家置于编舞/作曲关系中。舞者佩戴 NeuroSky MindSet 设备 [2]，该设备可检测一些神经参数，特别是她的注意力值 [3]。根据这些值，软件会生成音乐复音，并在电子乐谱上呈现给演奏它的音乐家。反过来，这样产生的音乐会影响舞者的心理状态，舞者会根据所听到的内容调整舞蹈，从而生成新的复音音乐小节。
第 14 届声音与音乐计算会议论文集...
Jeffrey M. Morris Ferin Martino 的巡演：将同一算法艺术装置改编到不同场地和平台的经验教训 Tejaswinee Kelkar、Alexander Refsum Jensenius 探索“声音追踪”中的旋律和运动特征 Ryan Kirkbride Troop：一种用于现场编码的协作工具 Yusuke Wada、Yoshiaki Bando、Eita Nakamura、Katsutoshi Itoyama、Kazuyoshi Yoshii 一种自适应卡拉 OK 系统，可与用户的歌声同步播放音乐音频信号的伴奏部分 Jose J. Valero-Mas、José M. Iñesta 对起始选择函数中阈值建立的描述性统计和自适应方法的实验评估 Raul Masu、Andrea Conci、Cristina Core、Antonella de Angeli、Fabio Morreale Robinflock：一种用于与儿童互动场景的复音算法作曲家Philippe Kocher 技术辅助的多时间音乐表演 Peter Lennox、Ian McKenzie 通过组织传导研究空间音乐感受质
使用窦性声学对肋骨加固木地板进行参数测量...
英国剑桥大学、英国剑桥奥雅纳声学公司和意大利威尼斯圣乔治-CNR 基金会学校联合开展了一项研究项目，旨在调查 16 世纪威尼斯声乐复调音乐背景下音乐与演奏建筑空间之间的关系。这项研究选择了最具代表性的教堂——圣马可教堂、教区教堂、医院和修道院，并由剑桥大学圣约翰学院合唱团在这些教堂内演奏音乐。观众完成了对空间声学质量的评估问卷。然后对观众和专家评分的结果进行统计分析，并将其与在相同位置测量的一组房间声学指数相关联。本文将说明实验和数据分析的技术方面。主要结论如下：1. 混响的主观印象与 EDT 和 T30 以及音乐清晰度与 C80 之间存在很强的相关性；2. 通过分析混响时间，发现了按类型对教堂的分组；3. 对于涉及复音的音乐表演，EDT 最长的教堂的清晰度较差。
John Glongstun
1。背包语言模型。在计算语言学协会年会（ACL）年会2023年。接受率：23.5％未偿还纸张奖：39 /3872纸提交。约翰·休伊特（John Hewitt），约翰·加斯敦（John Glongstun），克里斯托弗·D·曼宁（Christopher D. Manning），珀西·梁（Percy Liang）。2。通过生成预训练的旋律转录。在国际音乐信息检索研讨会（ISMIR）2022中。接受率：43.3％的克里斯·多纳休（Chris Donahue），约翰·加斯敦（John Glongstun），珀西·梁（Percy Liang）。3。扩散lm改善可控文本生成。神经信息处理系统的进步（神经）2022。接受率：25.6％的口头呈递。Xiang Lisa Li，John Glongstun，Ishaan Gulrajani，Percy Liang，Tatsunori B. Hashimoto。 4。 淡紫色：使用发散边界来测量神经文本和人类文本之间的差距。 神经信息处理系统的进步（神经）2021。 接受率：25.7％未偿还纸张奖：6 /9122纸质提交。 奎师那·普鲁图拉（Krishna Pillutla），斯瓦巴（Swabha Swayamdipta），罗文·泽勒斯（Rowan Zellers），约翰·盖斯坦（John Gondstun），肖恩·威尔克（Sean Welleck），Yejin Choi，Zaid Harchaoui。 5。 通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。 在机器学习国际会议（ICML）2021中。 接受率：21.5％Vivek Jayaram*，John Glongstun*（*同等贡献）。 6。 使用连续时间梯度更快地学习。 动态与控制学习（L4DC）2021。 7。 8。 9。 10。Xiang Lisa Li，John Glongstun，Ishaan Gulrajani，Percy Liang，Tatsunori B. Hashimoto。4。淡紫色：使用发散边界来测量神经文本和人类文本之间的差距。神经信息处理系统的进步（神经）2021。接受率：25.7％未偿还纸张奖：6 /9122纸质提交。奎师那·普鲁图拉（Krishna Pillutla），斯瓦巴（Swabha Swayamdipta），罗文·泽勒斯（Rowan Zellers），约翰·盖斯坦（John Gondstun），肖恩·威尔克（Sean Welleck），Yejin Choi，Zaid Harchaoui。5。通过Langevin Dynamics从自回旋模型进行平行和灵活的采样。在机器学习国际会议（ICML）2021中。接受率：21.5％Vivek Jayaram*，John Glongstun*（*同等贡献）。6。使用连续时间梯度更快地学习。动态与控制学习（L4DC）2021。7。8。9。10。塞缪尔·阿恩斯沃思（Samuel Ainsworth），肯德尔·洛里（Kendall Lowrey），约翰·康斯敦（John Glongstun），扎伊德·哈科伊（Zaid Harchaoui），悉达多·斯里尼瓦萨（Siddhartha Srinivasa）。一种信息瓶颈方法，用于控制理由提取中的简洁性。自然语言处理中的经验方法（EMNLP）2020。接受率：24.5％Bhargavi Paranjape，Mandar Joshi，John Glongstun，Hannaneh Hajishirzi，Luke Zettlemoyer。用深的生成先验的源分离。在国际机器学习会议（ICML）2020中。接受率：21.8％Vivek Jayaram*，John Glongstun*（*同等贡献）。卷积作曲家分类。在国际音乐信息检索研讨会（ISMIR）2019中。接受率：45.1％苛刻的Verma，John Glongstun。耦合复发模型，用于复音音乐组成。在国际音乐信息检索研讨会（ISMIR）2019中。接受率：45.1％John Glongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。11。监督音乐转录的不断增长和数据增强。在国际声学，言语和信号处理（ICASSP）2018中。接受率：49.7％的口头介绍。John Gongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。12。用于多个F0估计的频域卷积。Mirex摘要（技术报告）2017。John Gongstun，Zaid Harchaoui，Dean P. Foster，Sham M. Kakade。13。音乐网：从头开始学习音乐的功能。在2017年国际学习表征会议（ICLR）。接受率：39.1％John Glongstun，Zaid Harchaoui，Sham M. Kakade。