Integración de Redes Bayesianas con Programas Lógicos para Música Eduardo Morales L.Enrique Sucar Roberto Morales
Contenido Introducción Redes Bayesianas Redes Bayesianas + nodos “lógicos” Ejemplo musical (1) Redes Bayesianas dinámicas Ejemplo musical (2) Conclusiones
Introducción Una representación en música debe de incluir: Relaciones entre notas, voces, métricas,... Preferencias entre notas, métricas, reglas,...
Introducción (2) Una representación natural es: Lógica de primer orden para representar relaciones entre objetos musicales Distribuciones de probabilidad para expresar preferencias entre objetos musicales
Propuesta: Utilizar redes Bayesianas para expresar preferencias musicales y extenderlas con lógica de predicados para expresar relaciones
Redes Bayesianas RB son una herramienta poderosa para tratar incertidumbre Utilizan una representación gráfica de dependencias entre variables aleatorias –Nodos: variables proposicionales –Arcos: dependencias probabilísticas
Redes Bayesianas (2) RB representan relaciones de independencia condicional. Por ejemplo, E es independiente de {A,C,D} dado {B}
Redes Bayesianas (3) Mecanismo de Razonamiento: propaga evidencia (variables conocidas) a través de la red hasta obtener probabilidades posteriores (de variables desconocidas) Expresividad: RB están limitadas a un formalismo proposicional
Propuesta Extender redes Bayesianas con “nodos lógicos” (representados por cuadrados) en donde sea fácil expresar relaciones Los nodos lógicos pueden ser cláusulas de Horn arbitrarias
Ejemplo: Z puede ser: Binario (T ó F): relación(X,Y) Multivaluado: relación(X,Y,Z)
Razonamiento La distribución de probabilidad de “z” depende de los valores de “x” y “y”, y de que la relación “R” se satisfaga o no para esos valores
Razonamiento (2) Considerando variables discretas: Para obtener la distribución de probabilidad de “z” tenemos que evaluar la relación para todos los posibles valores no instanciados de “x” y “y”
Ejemplo (2) Supongamos:
Ejemplo (3)
Razonamiento (3) Alternativamente, podemos: (i)calcular fuera de línea la relación para todos los posibles valores de las variables involucradas z=truex=1x=3 y=011 y=210 z=falsex=1x=3 y=000 y=201
Razonamiento (4) (ii) Construir un nodo determinístico (iii) incluirlo directamente en una RB
Razonamiento (5) La estrategia “en línea”: –Evalua solo las filas y columnas de las variables desconocidas –Puede ser útil cuando el tamaño de la tabla de probabilidad condicional es “muy grande” –Se puede utilizar con variables continuas usando técnnicas de muestreo sobre distribuciones de probabilidad
Razonamiento (6) La estrategia “fuera de línea”: –Está limitada a variables discretas con tablas de probabilidades condicionales “pequeñas” –Se calcula solo una vez y puede utilizarse con cualquier herramienta de RB
Ejemplo musical (1) Para aplicar esta representación a análisis de contrapunto, tenemos que tener: 1.Distribuciones de probabilidad (expresando preferencias) sobre: Notas de cantus firmus Reglas de contrapunto Métricas
Ejemplo musical (2) 2. Relaciones entre notas (considerando métricas) expresando las reglas de contrapunto 3. Distribuciones de probabilidad sobre las notas de contrapunto
Ejemplo Musical (3)
Representación Temporal En música es importante representar relaciones temporales En redes Bayesianas dinámicas, los valores de ciertas variables en un tiempo pueden afectar los valores de otras variables en tiempos futuros
Representación Temporal (2)
Ejemplo Musical (4) En nuestro ejemplo musical repetiríamos la misma estructura N-1 veces, donde N es el número de notas en el cantus firmus
Ejemplo Musical (5)
Ejemplo Musical (6)
Capacidades de la Representación La red se puede usar para análisis musical, p.ejem., estimar las reglas de contrapunto más probables Conociendo las notas de contrapunto, estimar los valores más probables del cantus firmus y de las reglas utilizadas
Capacidadesa de la Representación (2) La red puede usarse para generar música siguiendo las distribuciones de probabilidad y las relaciones expresadas en ella Se pueden “abstraer” redes en nodos sencillos
Capacidad de Abstracción
Conclusiones Relaciones y preferencias musicales pueden ser representadas extendiendo redes Bayesianas con nodos “lógicos” La representación puede servir para análisis y composición musical
Trabajo Futuro Probar la propuesta con un ejemplo musical “grande” Extender la representación a variables continuas con técnicas de muestreo Aprender la red a partir de datos musicales y conocimiento del dominio