นักวิจัยด้านข้อมูลดนตรีกำลังใช้ประโยชน์จากประสบการณ์ของเพื่อนร่วมงานที่ศึกษาการรู้จำเสียง หลังจากความก้าวหน้าในช่วงต้นทศวรรษ 1970 การปรับปรุงเพิ่มเติมในการรู้จำเสียงกลายเป็นเรื่องยากมากขึ้น “เพื่อยกระดับไปอีกขั้น” แดเนียล เอลลิสแห่งมหาวิทยาลัยโคลัมเบียกล่าว “คุณต้องทำงานให้มากขึ้น 10 เท่าในแต่ละครั้ง”เมื่อถึงเวลาที่ Ellis เริ่มทำงานเกี่ยวกับการรู้จำเสียงในปี 1996 นักวิจัยก็พยายามใช้วิธีใหม่ “ในระดับหนึ่ง พวกเขาล้มเลิกความพยายามที่จะเข้าใจว่าสุนทรพจน์ทำหน้าที่อะไร” เอลลิสกล่าว “พวกเขารวบรวมตัวอย่างที่แตกต่างกันมากมายและใช้เทคนิคทางสถิติ” เพื่อระบุรูปแบบที่สนับสนุนคำพูด
เอลลิสยังคงใช้กลยุทธ์นั้นต่อไปเมื่อเขาเปลี่ยนความสนใจ
ไปที่การวิเคราะห์ดนตรีในที่สุด เขาสร้างโปรแกรมที่ใช้เทคนิคการเรียนรู้ของเครื่องเพื่อถอดเสียงดนตรีเปียโนแบบโพลีโฟนิก
เขาเริ่มต้นด้วยโปรแกรมที่ไม่มีข้อมูลเกี่ยวกับวิธีการทำงานของดนตรี จากนั้นเขาก็บันทึกเพลงเปียโน 92 เพลงและโน้ตเพลงลงในคอมพิวเตอร์ การบันทึกและคะแนนแต่ละครั้งถูกแบ่งออกเป็นบิตขนาด 100 มิลลิวินาที เพื่อให้โปรแกรมคอมพิวเตอร์สามารถเชื่อมโยงเสียงกับโน้ตที่เขียนได้ ภายในการเลือกเหล่านั้น คอมพิวเตอร์จะได้รับโน้ต ตัวอย่างเช่น ในบริบทต่างๆ ที่เกิดขึ้นในเพลง ซอฟต์แวร์สามารถค้นหาความคล้ายคลึงกันทางสถิติจากตัวอย่างทั้งหมดที่ให้มาของ A
ในกระบวนการนี้ ระบบจะค้นหากฎของดนตรีโดยอ้อม ตัวอย่างเช่น พบว่า A มักจะเล่นพร้อมกันกับ E แต่ไม่ค่อยมี A-sharp แม้ว่านักวิจัยเองจะไม่เคยตั้งโปรแกรมไว้ในข้อมูลนั้นก็ตาม เอลลิสกล่าวว่าโปรแกรมของเขาสามารถใช้ประโยชน์จากรูปแบบที่ละเอียดอ่อนนั้นและอื่น ๆ อีกมากมาย รวมถึงบางโปรแกรมที่ผู้คนอาจไม่รู้
เมื่อนำเสนอด้วยการบันทึกแบบใหม่ โปรแกรมจะระบุว่าเป็นโน้ต A ใดๆ
ที่แสดงความคล้ายคลึงกันทางสถิติมากพอกับ As ในลำดับการฝึก ในฉบับพิเศษของEURASIP Journal on Advances in Signal Processingซึ่งเป็นวารสารออนไลน์ เอลลิสรายงานว่าระบบของเขาระบุโน้ตที่เล่นได้อย่างแม่นยำใน 68 เปอร์เซ็นต์ของตัวอย่างใหม่ 100 มิลลิวินาทีที่ได้รับ เอลลิสคาดหวังว่าเมื่อโปรแกรมของเขาวิเคราะห์ตัวอย่างมากขึ้น หรืออีกหลายพันตัวอย่าง อัตราการตรวจจับก็จะดีขึ้น
เขาตั้งข้อสังเกตว่าระบบที่ดีที่สุดรองลงมา ซึ่งพัฒนาโดย Anssi Klapuri แห่งมหาวิทยาลัยเทคโนโลยี Tampere ในฟินแลนด์ ได้คะแนนเพียง 47 เปอร์เซ็นต์จากตัวอย่างข้อมูลการทดสอบ เป็นโปรแกรมดั้งเดิมที่รวมเอาความรู้ของผู้เชี่ยวชาญเกี่ยวกับดนตรีมากกว่าการเรียนรู้ด้วยเครื่อง
อย่างไรก็ตาม เอลลิสชี้ให้เห็นอย่างรวดเร็วว่าการเปรียบเทียบนี้ไม่ยุติธรรมเลย ระบบของ Klapuri สามารถจดจำเพลงได้หลายประเภท ไม่ใช่แค่เพลงเปียโน ดังนั้นการเปรียบเทียบทั้งสองอย่างกับเพลงเปียโนอย่างเดียวทำให้ระบบของ Ellis ได้เปรียบเทียม
เอลลิสวางแผนที่จะเข้าร่วมโปรแกรมของเขาในการแข่งขัน MIREX ในเดือนกันยายน 2550 เพื่อดูว่าเขาสามารถแข่งขันแบบตัวต่อตัวกับโปรแกรมแบบดั้งเดิมได้อย่างไร
เอลลิสยังใช้เทคนิคการสอนด้วยตนเองเพื่อระบุท่วงทำนองในเพลงที่ซับซ้อน โดยเลือกส่วนที่คนๆ หนึ่งจะร้องได้ หลังจากใช้เวลาเพียงไม่กี่เดือนในการพัฒนาระบบดังกล่าว เขาก็ได้เข้าร่วมการแข่งขัน MIREX เมื่อปีที่แล้วและได้อันดับที่สามจากทั้งหมด 10 รายการ ด้วยความแม่นยำ 61 เปอร์เซ็นต์ เขากล่าวว่าในหลาย ๆ กรณี ท่วงทำนองที่คัดลอกมานั้นสามารถจดจำได้แม้ว่าจะมีข้อผิดพลาดก็ตาม
นักแสดงชั้นนำในการแข่งขันนั้นเป็นโปรแกรมที่พัฒนาขึ้นอย่างสมบูรณ์ซึ่งใช้แนวทางดั้งเดิม คิดค้นโดย Karin Dressler จาก Fraunhofer Institute for Digital Media Technology ในเมืองอิลเมเนา ประเทศเยอรมนี โปรแกรมดังกล่าวมีอัตราความแม่นยำ 71 เปอร์เซ็นต์ ผลการแข่งขันทำนองเพลงจะปรากฏในIEEE Transactions on Audio, Speech and Language Processing ฉบับ หน้า
Ellis กล่าวว่าการรวมกลยุทธ์การเรียนรู้ด้วยเครื่องเข้ากับความรู้ของผู้เชี่ยวชาญเกี่ยวกับดนตรีและอะคูสติกจะให้ประสิทธิภาพที่ดีที่สุดในที่สุด
Credit : เกมส์ออนไลน์แนะนำ >>> เว็บสล็อตแท้