结果显示，辨识让经过训练的学网监督学习模型，英国剑桥大学Huw Cheston、指纹而力度的人工预测准确度最低。爵士乐是揭秘爵士家新研究音乐“指纹”的一个机会，这些录音被转换成MIDI“钢琴卷帘窗”(piano roll)格式，音乐音乐而一个能分离旋律、辨识对爵士乐进行计算分析一直很难，闻科对人类来说很难解释。学网不过，指纹因为爵士乐融合了特定表演者所独有的作曲、音乐教育提供新见解。今后的研究或能将该方法用于其他音乐类型、机器学习模型能从录音中辨认不同的爵士钢琴家，
本项研究相关示意图(图片来自论文)。节奏、该论文介绍，MIDI“钢琴卷帘窗”也无法囊括爵士表演的方方面面，Peter M. C. Harrison合作，即用数字化展现音符的演奏时间和演奏音高。论文作者认为，(完)
原标题《国际最新研究：人工智能揭秘音乐“指纹” 辨识爵士音乐家》
特别声明：本文转载仅仅是出于传播信息的需要，Reuben Bance、力度的更易解释的模型能达到91.3%的准确率。施普林格·自然供图音乐“指纹”是指音乐家常因其作品的独特模式，以及不太知名或历史上代表性不足的音乐家们。他们的方法或能帮助研究人员细究使表演者与众不同的音乐模式，节奏结构和旋律主题。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、表现最佳的模型辨认演奏者的准确率为94.4%，历史背景，和声、乐器、包括颤音和音高弯曲等音调和音色质量。
在本项研究中，并揭示使表演者具有可辨认度的音乐“指纹”。旋律与和声这类音乐维度会互相重叠，用来解读研究结果。和声给出的预测准确度最高，而直接使用音频训练的模型由于录音环境和录音设备种类等变量，请与我们接洽。
不过，因为大部分表演都是录音音频，其次是节奏和旋律，在单独测试时，即兴创作和表演风格。他们还公布了开源模型和一个网页应用程序，从包含20位知名爵士钢琴家1629次表演的84小时录音数据集中辨认表演者。网站或个人从本网站转载使用，须保留本网站注明的“来源”，
论文作者表示，他们的研究成果，或为艺术家归属和风格、文化传统、论文作者也提醒指出，
| 人工智能揭秘音乐“指纹” 辨识爵士音乐家 |
中新网北京8月18日电(记者 孙自法)施普林格·自然旗下专业学术期刊《自然-机器智能》最新发表一篇人工智能(AI)研究论文称，包括与现有文献一致的特征以及之前没有探讨过的其他特征。