선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이상으로 연구의 세 가지 발전 방향을 살펴보았다. 마지막으로 연구의 활용 방안에 대해 얘기해 보고자 한다.
- 본 논문에서는 CRBM을 이용한 학습 모델을 화성진행에 적용한 규칙 기반의 4성부 합창 음악 생성 알고리즘을 제안하였다. 같은 입력 멜로디에 대하여 기존의 규칙 기반 알고리즘에 비해 좀 더 자연스러운 진행을 보임을 확인할 수 있었다.
- 본 논문에서는 [8]을 포함해 시중에 존재하는 다양한 화성학 교재에서 3화음과 7화음이 섞여 있는 화성 진행들을 발췌하여 CRBM의 학습을 진행하였다. 각 데이터는 4개의 6차원 binary vector로 구성되어 있으며, 총 1516개의 데이터를 이용했다.
- 본 논문에서는 conditional restricted Boltzmann machine (CRBM)을 이용한 화성 진행 학습 모델을 통해 보다 자연스러운 화성 진행을 가진 4성부 합창음악을 생성해 보고자 한다. 한 시점의 4성부 음을 묶어 프레임이라 정의하자.
- 본 연구가 진행된 배경에는 4성부 합창 음악 생성을 좀 더 쉽게 할 수 있는 방법을 찾는 과정이 있었다. 이는 향후 성능이 개선되고 접근이 용이한 UI가 개발된다면 이러한 작곡 기법이 화성학 교육의 보조 자료로도 사용될 수 있음을 시사한다.
가설 설정
- 1) 각 성부가 서로의 영역을 침범해서는 안 된다.
- 2) X와 Yj의 일치도에 따라 점수를 더해 준다. 즉, Xi와 Yj,i가 같으면 1점을 더해 주고 그렇지 않으면 0점을 더해 주는 것이다.
- 3) 인접한 두 성부 간 한 옥타브보다 큰 차이가 나서는 안 된다. 다만 베이스와 테너 간에는 허용한다.
- 3) 점수를 더해 주는 과정에서 weighted hamming distance의 개념을 사용하게 된다. 진행을 결정하는 데에 있어 도수 데이터가 3/7화음 여부나 전위형보다 더 지배적인 역할을 하므로[8] 1 ≦ i ≦ 3일 경우 0.
- 5) 반종지는 5도 화음으로 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.