Littérature scientifique sur le sujet « Music information processing »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « Music information processing ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Articles de revues sur le sujet "Music information processing"
Zhao, Tian, et Patricia K. Kuhl. « Music, speech, and temporal information processing ». Journal of the Acoustical Society of America 144, no 3 (septembre 2018) : 1760. http://dx.doi.org/10.1121/1.5067789.
Texte intégralGoto, Masataka, et Keiji Hirata. « Recent studies on music information processing ». Acoustical Science and Technology 25, no 6 (2004) : 419–25. http://dx.doi.org/10.1250/ast.25.419.
Texte intégralTsuboi, Kuniharu. « Computer music and musical information processing. » Journal of the Institute of Television Engineers of Japan 42, no 1 (1988) : 49–55. http://dx.doi.org/10.3169/itej1978.42.49.
Texte intégralKatayose, Haruhiro. « The Dawn of Kansei Information Processing. Application of Kansei Information Processing. Music Performance. » Journal of the Institute of Image Information and Television Engineers 52, no 1 (1998) : 53–55. http://dx.doi.org/10.3169/itej.52.53.
Texte intégralBugos, Jennifer, et Wendy Mostafa. « Musical Training Enhances Information Processing Speed ». Bulletin of the Council for Research in Music Education, no 187 (1 janvier 2011) : 7–18. http://dx.doi.org/10.2307/41162320.
Texte intégralFUKAYAMA, Satoru. « Music Information Processing for Visualization with Musical Notations ». Journal of the Visualization Society of Japan 40, no 158 (2020) : 19–22. http://dx.doi.org/10.3154/jvs.40.158_19.
Texte intégralAtherton, Ryan P., Quin M. Chrobak, Frances H. Rauscher, Aaron T. Karst, Matt D. Hanson, Steven W. Steinert et Kyra L. Bowe. « Shared Processing of Language and Music ». Experimental Psychology 65, no 1 (janvier 2018) : 40–48. http://dx.doi.org/10.1027/1618-3169/a000388.
Texte intégralRammsayer, Thomas, et Eckart Altenmüller. « Temporal Information Processing in Musicians and Nonmusicians ». Music Perception 24, no 1 (1 septembre 2006) : 37–48. http://dx.doi.org/10.1525/mp.2006.24.1.37.
Texte intégralAchkar, Charbel El, et Talar Atechian. « MEI2JSON : a pre-processing music scores converter ». International Journal of Intelligent Information and Database Systems 1, no 1 (2021) : 1. http://dx.doi.org/10.1504/ijiids.2021.10040316.
Texte intégralAchkar, Charbel El, et Talar Atéchian. « MEI2JSON : a pre-processing music scores converter ». International Journal of Intelligent Information and Database Systems 15, no 1 (2022) : 57. http://dx.doi.org/10.1504/ijiids.2022.120130.
Texte intégralThèses sur le sujet "Music information processing"
Al-Shakarchi, Ahmad. « Scalable audio processing across heterogeneous distributed resources : an investigation into distributed audio processing for Music Information Retrieval ». Thesis, Cardiff University, 2013. http://orca.cf.ac.uk/47855/.
Texte intégralSuyoto, Iman S. H., et ishs@ishs net. « Cross-Domain Content-Based Retrieval of Audio Music through Transcription ». RMIT University. Computer Science and Information Technology, 2009. http://adt.lib.rmit.edu.au/adt/public/adt-VIT20090527.092841.
Texte intégralByron, Timothy Patrick. « The processing of pitch and temporal information in relational memory for melodies ». View thesis, 2008. http://handle.uws.edu.au:8081/1959.7/37492.
Texte intégralA thesis submitted to the University of Western Sydney, College of Arts, School of Psychology, in fulfilment of the requirements for the degree of Doctor of Philosophy. Includes bibliographical references.
Meinz, Elizabeth J. « Musical experience, musical knowledge and age effects on memory for music ». Thesis, Georgia Institute of Technology, 1996. http://hdl.handle.net/1853/30881.
Texte intégralMontecchio, Nicola. « Alignment and Identification of Multimedia Data : Application to Music and Gesture Processing ». Doctoral thesis, Università degli studi di Padova, 2012. http://hdl.handle.net/11577/3422091.
Texte intégralLa crescente disponibilità di grandi collezioni multimediali porta all'attenzione problemi di ricerca sempre più complessi in materia di organizzazione e accesso ai dati. Nell'ambito della comunità dell'Information Retrieval è stato raggiunto un consenso generale nel ritenere indispensabili nuovi strumenti di reperimento in grado di superare i limiti delle metodologie basate su meta-dati, sfruttando direttamente l'informazione che risiede nel contenuto multimediale. Lo scopo di questa tesi è lo sviluppo di tecniche per l'allineamento e l'identificazione di contenuti multimediali; la trattazione si focalizza su flussi audio musicali e sequenze numeriche registrate tramite dispositivi di cattura del movimento. Una speciale attenzione è dedicata all'efficienza degli approcci proposti, in particolare per quanto riguarda l'applicabilità in tempo reale degli algoritmi di allineamento e la scalabilità delle metodologie di identificazione. L'allineamento di entità comparabili si riferisce al processo di aggiustamento di caratteristiche strutturali allo scopo di permettere una comparazione diretta tra elementi costitutivi corrispondenti. Questa tesi si concentra sull'allineamento di sequenze rispettivamente ad una sola dimensione, con l'obiettivo di identificare e confrontare eventi significativi in sequenze temporali collegate. L'allineamento di registrazioni musicali alla loro rappresentazione simbolica è il punto di partenza adottato per esplorare differenti metodologie basate su modelli statistici. Si propone un modello unificato per l'allineamento in tempo reale di flussi musicali a partiture simboliche e registrazioni audio. I principali vantaggi sono collegati alla trattazione esplicita del tempo (velocità di esecuzione musicale) nell'architettura del modello statistico; inoltre, ambedue i problemi di allineamento sono formulati sfruttando una rappresentazione continua della dimensione temporale. Un'innovativa applicazione delle tecnologie di allineamento audio è proposta nel contesto della produzione di registrazioni musicali, dove l'intervento umano in attività ripetitive è drasticamente ridotto. L'allineamento di movimenti gestuali è strettamente correlato al contesto dell'allineamento musicale, in quanto gli obiettivi artistici e le soluzioni ingegneristiche delle due aree sono largamente coincidenti. L'espressività di un'esecuzione gestuale è caratterizzata simultaneamente dalla scelta del particolare gesto e dal modo di eseguirlo. Il primo aspetto è collegato ad un problema di riconoscimento, mentre il secondo è affrontato considerando l'evoluzione temporale delle caratteristiche del segnale ed il modo in cui queste differiscono da template pre-registrati. Si propone un modello, strettamente legato alla controparte musicale sopra citata, capace di riconoscere un gesto in tempo reale tra una libreria di templates, simultaneamente allineandolo mentre caratteristiche del segnale come rotazione, dimensionamento e velocità sono congiuntamente stimate. Il drastico incremento delle dimensioni delle collezioni musicali ha portato all'attenzione il problema dell'organizzazione di contenuti multimediali secondo caratteristiche percettive. In particolare, le tecnologie di identificazione basate sul contenuto forniscono strumenti appropriati per reperire e organizzare documenti musicali. Queste tecnologie dovrebbero idealmente essere in grado di identificare una registrazione -- attraverso il confronto con un insieme di registrazioni conosciute -- indipendentemente dalla particolare esecuzione, anche in caso di arrangiamenti o interpretazioni significativamente differenti. Sebbene le tecniche di allineamento assumano un ruolo centrale in letteratura, la metodologia proposta sfrutta strategie solitamente associate al reperimento di informazione testuale. Il calcolo della similarità musicale è basato su tecniche di hashing per creare collisioni fra vettori prossimi nello spazio. La compattezza della risultante rappresentazione del contenuto acustico permette l'utilizzo di tecniche di reperimento basate su indicizzazione, allo scopo di massimizzare l'efficienza computazionale. Un'applicazione in particolare è considerata nell'ambito della preservazione dei Beni Culturali, per l'identificazione automatica di collezioni di nastri e dischi in vinile digitalizzati. In questo contesto un supporto generalmente contiene più di un'opera rilevante. La metodologia di allineamento audio citata sopra è infine utilizzata per segmentare registrazioni in tracce individuali.
Sanden, Christopher, et University of Lethbridge Faculty of Arts and Science. « An empirical evaluation of computational and perceptual multi-label genre classification on music / Christopher Sanden ». Thesis, Lethbridge, Alta. : University of Lethbridge, Dept. of Mathematics and Computer Science, c2010, 2010. http://hdl.handle.net/10133/2602.
Texte intégralviii, 87 leaves ; 29 cm
Fiebrink, Rebecca. « An exploration of feature selection as a tool for optimizing musical genre classification / ». Thesis, McGill University, 2006. http://digitool.Library.McGill.CA:80/R/?func=dbin-jump-full&object_id=99372.
Texte intégralBianchi, Frederick W. « The cognition of atonal pitch structures ». Virtual Press, 1985. http://liblink.bsu.edu/uhtbin/catkey/438705.
Texte intégralStreich, Sebastian. « Music complexity : a multi-faceted description of audio content ». Doctoral thesis, Universitat Pompeu Fabra, 2007. http://hdl.handle.net/10803/7545.
Texte intégralThis thesis proposes a set of algorithms that can be used to compute estimates of music complexity facets from musical audio signals. They focus on aspects of acoustics, rhythm, timbre, and tonality. Music complexity is thereby considered on the coarse level of common agreement among human listeners. The target is to obtain complexity judgments through automatic computation that resemble a naive listener's point of view. The motivation for the presented research lies in the enhancement of human interaction with digital music collections. As we will discuss, there is a variety of tasks to be considered, such as collection visualization, play-list generation, or the automatic recommendation of music. Through the music complexity estimates provided by the described algorithms we can obtain access to a level of semantic music description, which allows for novel and interesting solutions of these tasks.
SIMONETTA, FEDERICO. « MUSIC INTERPRETATION ANALYSIS. A MULTIMODAL APPROACH TO SCORE-INFORMED RESYNTHESIS OF PIANO RECORDINGS ». Doctoral thesis, Università degli Studi di Milano, 2022. http://hdl.handle.net/2434/918909.
Texte intégralLivres sur le sujet "Music information processing"
Advances in music information retrieval. Berlin : Springer Verlag, 2010.
Trouver le texte intégralInformation retrieval for music and motion. New York : Springer, 2007.
Trouver le texte intégralMüller, Meinard. Information retrieval for music and motion. New York : Springer, 2007.
Trouver le texte intégralJialie, Shen, dir. Intelligent music information systems : Tools and methodologies. Hershey, PA : Information Science Reference, 2008.
Trouver le texte intégralThe strange music of social life : A dialogue on dialogic sociology. Philadelphia : Temple University Press, 2011.
Trouver le texte intégralMusic data mining. New York : Taylor & Francis, 2011.
Trouver le texte intégralTaraeva, G. R., et T. F. Shak. Muzyka v informat︠s︡ionnom mire : Nauka, tvorchestvo, pedagogika : sbornik nauchnykh stateĭ = Music in the world of information : science, creative work, pedagogics : collection of articles. Rostov-na-Donu : [Izd-vo Rostovskoĭ gos. konservatorii], 2004.
Trouver le texte intégralH, Chen Homer, dir. Music emotion recognition. Boca Raton, Fla : CRC, 2011.
Trouver le texte intégralKock, Wiil Uffe, dir. Computer music modeling and retrieval : Second International Symposium, CMMR 2004, Esbjerg, Denmark, May 26-29, 2004 : revised papers. Berlin : Springer, 2005.
Trouver le texte intégralDavid, Hutchison. Computer Music Modeling and Retrieval. Genesis of Meaning in Sound and Music : 5th International Symposium, CMMR 2008 Copenhagen, Denmark, May 19-23, 2008 Revised Papers. Berlin, Heidelberg : Springer Berlin Heidelberg, 2009.
Trouver le texte intégralChapitres de livres sur le sujet "Music information processing"
Baras, C., N. Moreau et T. Dutoit. « How could music contain hidden information ? » Dans Applied Signal Processing, 223–63. Boston, MA : Springer US, 2009. http://dx.doi.org/10.1007/978-0-387-74535-0_7.
Texte intégralMedhat, Fady, David Chesmore et John Robinson. « Music Genre Classification Using Masked Conditional Neural Networks ». Dans Neural Information Processing, 470–81. Cham : Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-70096-0_49.
Texte intégralZhong, Guoqiang, Haizhen Wang et Wencong Jiao. « MusicCNNs : A New Benchmark on Content-Based Music Recommendation ». Dans Neural Information Processing, 394–405. Cham : Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-04167-0_36.
Texte intégralFang, Qianqi, Ling Liu, Junliang Yu et Junhao Wen. « Meta-path Based Heterogeneous Graph Embedding for Music Recommendation ». Dans Neural Information Processing, 101–13. Cham : Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-04182-3_10.
Texte intégralMonsignori, M., P. Nesi et M. B. Spinu. « Watermarking Music Sheets ». Dans Advances in Multimedia Information Processing — PCM 2001, 646–53. Berlin, Heidelberg : Springer Berlin Heidelberg, 2001. http://dx.doi.org/10.1007/3-540-45453-5_83.
Texte intégralSitarek, Tomasz, et Wladyslaw Homenda. « Efficient Processing the Braille Music Notation ». Dans Computer Information Systems and Industrial Management, 338–50. Berlin, Heidelberg : Springer Berlin Heidelberg, 2012. http://dx.doi.org/10.1007/978-3-642-33260-9_29.
Texte intégralIkeuchi, Ryota, et Kazushi Ikeda. « An Automatic Music Transcription Based on Translation of Spectrum and Sound Path Estimation ». Dans Neural Information Processing, 532–40. Berlin, Heidelberg : Springer Berlin Heidelberg, 2011. http://dx.doi.org/10.1007/978-3-642-24955-6_64.
Texte intégralBrewer, Madeline, et Jessica Sharmin Rahman. « Pruning Long Short Term Memory Networks and Convolutional Neural Networks for Music Emotion Recognition ». Dans Neural Information Processing, 343–52. Cham : Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-63836-8_29.
Texte intégralDuan, Ruo-Nan, Xiao-Wei Wang et Bao-Liang Lu. « EEG-Based Emotion Recognition in Listening Music by Using Support Vector Machine and Linear Dynamic System ». Dans Neural Information Processing, 468–75. Berlin, Heidelberg : Springer Berlin Heidelberg, 2012. http://dx.doi.org/10.1007/978-3-642-34478-7_57.
Texte intégralLiu, Ning-Han, et Shu-Ju Hsieh. « Intelligent Music Playlist Recommendation Based on User Daily Behavior and Music Content ». Dans Advances in Multimedia Information Processing - PCM 2009, 671–83. Berlin, Heidelberg : Springer Berlin Heidelberg, 2009. http://dx.doi.org/10.1007/978-3-642-10467-1_59.
Texte intégralActes de conférences sur le sujet "Music information processing"
Bozkurt, Baris, Ali Cenk Gedik et M. Kemal Karaosmanoglu. « Music information retrieval for Turkish music : problems, solutions and tools ». Dans 2009 IEEE 17th Signal Processing and Communications Applications Conference (SIU). IEEE, 2009. http://dx.doi.org/10.1109/siu.2009.5136518.
Texte intégralSimonetta, Federico, Stavros Ntalampiras et Federico Avanzini. « Multimodal Music Information Processing and Retrieval : Survey and Future Challenges ». Dans 2019 International Workshop on Multilayer Music Representation and Processing (MMRP). IEEE, 2019. http://dx.doi.org/10.1109/mmrp.2019.00012.
Texte intégralSimonetta, Federico, Stavros Ntalampiras et Federico Avanzini. « Multimodal Music Information Processing and Retrieval : Survey and Future Challenges ». Dans 2019 International Workshop on Multilayer Music Representation and Processing (MMRP). IEEE, 2019. http://dx.doi.org/10.1109/mmrp.2019.8665366.
Texte intégralWang, Tao, Dong-Ju Kim, Kwang-Seok Hong et Jeh-Seon Youn. « Music Information Retrieval System Using Lyrics and Melody Information ». Dans 2009 Asia-Pacific Conference on Information Processing, APCIP. IEEE, 2009. http://dx.doi.org/10.1109/apcip.2009.283.
Texte intégralMoh, Yvonne, Peter Orbanz et Joachim M. Buhmann. « Music preference learning with partial information ». Dans ICASSP 2008 - 2008 IEEE International Conference on Acoustics, Speech and Signal Processing. IEEE, 2008. http://dx.doi.org/10.1109/icassp.2008.4518036.
Texte intégralGoto, Masataka. « Frontiers of music information research based on signal processing ». Dans 2014 12th International Conference on Signal Processing (ICSP 2014). IEEE, 2014. http://dx.doi.org/10.1109/icosp.2014.7014960.
Texte intégralEzzaidi, Hassan, Mohammed Bahoura et Jean Rouat. « Singer and music discrimination based threshold in polyphonic music ». Dans 2010 IEEE International Symposium on Signal Processing and Information Technology (ISSPIT). IEEE, 2010. http://dx.doi.org/10.1109/isspit.2010.5711726.
Texte intégralAbdallah, Samer A., Henrik Ekeus, Peter Foster, Andrew Robertson et Mark D. Plumbley. « Cognitive music modelling : An information dynamics approach ». Dans 2012 3rd International Workshop on Cognitive Information Processing (CIP). IEEE, 2012. http://dx.doi.org/10.1109/cip.2012.6232940.
Texte intégralAcici, Koray, Tunc Asuroglu et Hasan Ogul. « Information retrieval in metal music sub-genres ». Dans 2017 25th Signal Processing and Communications Applications Conference (SIU). IEEE, 2017. http://dx.doi.org/10.1109/siu.2017.7960162.
Texte intégralHuang, Yu-Siang, Szu-Yu Chou et Yi-Hsuan Yang. « Music thumbnailing via neural attention modeling of music emotion ». Dans 2017 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). IEEE, 2017. http://dx.doi.org/10.1109/apsipa.2017.8282049.
Texte intégral