- 190 -Weyde, Tillman: Lern- und wissensbasierte Analyse von Rhythmen 
  Erste Seite (i) Vorherige Seite (189)Nächste Seite (191) Letzte Seite (247)      Suchen  Nur aktuelle Seite durchsuchen Gesamtes Dokument durchsuchen     Aktuelle Seite drucken Hilfe 

Wahrnehmung, dem Wissen und der Erfahrung, die sie als Musiker und Musiklehrer gesammelt haben.

Die Möglichkeit, die Interpretationen in diesen Beispielen mit dem System nachzuvollziehen, liefert ein Indiz dafür, welchen Grad an musikalischer Relevanz und Angemessenheit die Merkmale und die Berechnung der Bewertung haben. Zunächst ist wichtig, ob die Parameter es ermöglichen, die besseren von den schlechteren Interpretationen zu unterscheiden. Dann stellt sich die Frage, ob das Bewertungssystem es ermöglicht, die Bewertung aus den Parametern entsprechend zu berechnen, insbesondere für eine Kombination vieler Beispiele, und wie eine geeignete Einstellung des Bewertungssystems von Hand oder durch ein Lernverfahren gefunden werden kann.

Das ISSM leistet die Einteilung und Zuordnung von Motiven einer Eingabe zu Motiven einer Vorgabe sowie die Zuordnung der Noten und Berechnung der Abweichungen von Einsatzzeiten, Dauern, Intensität und Tempo. Es kann für fast alle im Rahmen dieser Arbeit betrachteten Beispiele mit den hier beschriebenen Merkmalen und dem beschriebenen fuzzy-logischen neuronalen Netz lernen, die gewünschte Interpretation mit der besten Bewertung zu versehen.

Beispiele

Welche der verschiedenen Interpretationen bevorzugt wird, hängt von der Anwendung und vom Experten ab. Für die verwendeten Beispiele konnte in allen Fällen die Bewertung durch eine unterschiedliche Gewichtung der verschiedenen Merkmale im Bewertungssystem nachvollzogen werden. Einige Beispiele, die dies verdeutlichen sollen, sind in Abbildung 11.7 bis 11.10 abgebildet und werden im folgenden besprochen.

Die Abbildungen wurden aus RhythmScan entnommen und zeigen eine Vorgabe (oben) und eine Eingabe (unten). Die gelb bzw. hellgrau eingezeichneten Interpretationen stellen die Experteninterpretationen (EI) dar. Die schwarz und blau (bzw. dunkelgrau) eingezeichneten Segmentierungen und Zuordnungen entsprechen den vom untrainierten System ausgewählten Interpretationen (SI). Die Wahrheitswerte aller Fuzzy-Regeln wurden mit dem Wert 0,5 initialisiert, dazu wurde für das Training noch eine gleichverteilte Zufallszahl aus dem Intervall [-0,01, 0,01] addiert. Die Gruppierungen und Zuordnungen, die sich von der Vorgabe unterscheiden, sind blau markiert. Allerdings sind Notenzuordnungen, bei denen die Eingabemotiven nicht mit der Vorgabe übereinstimmen, nicht eingefärbt, da sie nicht vergleichbar sind.

In Beispiel 1 (11.7) unterscheidet sich die SI nur durch die Zuordnung der Noten im zweiten Eingabemotiv von der EI. Wesentlich für die Bewertungen sind die relative Position, das relative Tempo und die Bewertung der ausgelassenen Note. Die letzte Note der Vorgabe ist länger als die anderen Noten des letzten Motivs. Wenn sie wie in der EI als ausgelassene Note gewertet wird , führt sie zu einer schlechteren Bewertung als die SI, die die drittletzte Note als ausgelassen bewertet. Außerdem ist in der EI das Tempo des zweiten Motivs in der Eingabe erheblich zu langsam, etwa um den Faktor 2. Andererseits bedeutet die SI, daß das zweite


Erste Seite (i) Vorherige Seite (189)Nächste Seite (191) Letzte Seite (247)      Suchen  Nur aktuelle Seite durchsuchen Gesamtes Dokument durchsuchen     Aktuelle Seite drucken Hilfe 
- 190 -Weyde, Tillman: Lern- und wissensbasierte Analyse von Rhythmen