Tokyo Kion-On：基于查询的大气数据生成式 sonification
声音
2022-12-29 v1 人机交互
机器学习
音频与语音处理
摘要
在日益增长的环境关切中，数据的交互式展示构成了探索和理解气候变化对地球生态系统完整性影响的重要工具。本文提出Tokyo kion-on，一个基于查询的、针对1876年至2021年东京气温的sonification模型。该系统使用一种称为LSTM的带注意力递归神经网络架构，以日本旋律的小数据集训练，并以所述大气数据为条件。在描述模型实现后，给出了音乐结果的简要对比展示，并讨论了所公开的超参数如何促进对数据的主动与非线性探索。
引用
@article{arxiv.2208.02494,
title = {Tokyo Kion-On: Query-Based Generative Sonification of Atmospheric Data},
author = {Stefano Kalonaris},
journal= {arXiv preprint arXiv:2208.02494},
year = {2022}
}
备注
To appear in: Proceedings of the 27th International Conference on Auditory Display (ICAD 2022)