Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porJosé Manuel Rojo Venegas Modificado hace 9 años
1
Integración de Redes Bayesianas con Programas Lógicos para Música Eduardo Morales L.Enrique Sucar Roberto Morales
2
Contenido Introducción Redes Bayesianas Redes Bayesianas + nodos “lógicos” Ejemplo musical (1) Redes Bayesianas dinámicas Ejemplo musical (2) Conclusiones
3
Introducción Una representación en música debe de incluir: Relaciones entre notas, voces, métricas,... Preferencias entre notas, métricas, reglas,...
4
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
5
Propuesta: Utilizar redes Bayesianas para expresar preferencias musicales y extenderlas con lógica de predicados para expresar relaciones
6
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
7
Redes Bayesianas (2) RB representan relaciones de independencia condicional. Por ejemplo, E es independiente de {A,C,D} dado {B}
8
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
9
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
10
Ejemplo: Z puede ser: Binario (T ó F): relación(X,Y) Multivaluado: relación(X,Y,Z)
11
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
12
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”
13
Ejemplo (2) Supongamos:
14
Ejemplo (3)
15
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
16
Razonamiento (4) (ii) Construir un nodo determinístico (iii) incluirlo directamente en una RB
17
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
18
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
19
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
20
Ejemplo musical (2) 2. Relaciones entre notas (considerando métricas) expresando las reglas de contrapunto 3. Distribuciones de probabilidad sobre las notas de contrapunto
21
Ejemplo Musical (3)
22
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
23
Representación Temporal (2)
24
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
25
Ejemplo Musical (5)
26
Ejemplo Musical (6)
27
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
28
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
29
Capacidad de Abstracción
30
Conclusiones Relaciones y preferencias musicales pueden ser representadas extendiendo redes Bayesianas con nodos “lógicos” La representación puede servir para análisis y composición musical
31
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
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.