主页

在机器学习中，常见的概率分布有：均匀分布，伯努利分布，二项式分布，分类分布，多项式分布，Beta分布，狄利克雷分布，Gamma分布，指数分布，高斯分布，正态分布，卡方分布，学生-t分布，Wishart 分布等。本文介绍概率分布及其特点，以及它们之间的关系。

如果我们定义观测变量和潜在变量的⼀个联合概率分布，那么对应的观测变量本⾝的概率分布可以通过求边缘概率的⽅法得到。EM算法用于解决具有隐变量的混合模型的极大似然估计问题。

概率分布的图形表⽰被称为概率图模型（Probabilistic Graphical Models）。这些模型提供了⼏个有⽤的性质： 它们提供了⼀种简单的⽅式将概率模型的结构可视化，可以⽤于设计新的模型。 通过观察图形，我们可以更深刻地认识模型的性质，包括条件独⽴性质。 ⾼级模型的推断和学习过程中的复杂计算可以根据图计算表达，图隐式地承载了背后的数学表达式。

官方文档 http://doc.aldebaran.com/index.html 工具箱 适用对象 NAOqi 1.14 NAO V4 & V3 NAOqi 2.1 NAO V5 & V4 NAOqi 2.8 NAO V6 NAOqi 2.4 & 2.5 Pepper QiSDK Pepper SDK for Android QiBuild For...

卡尔曼滤波 节拍跟踪器的动力学方程描述 这里讨论在一段较短的时间内，假设音乐中节拍进行的速度是恒定的。设 $t$ 是节拍时刻，$\Delta$ 是节拍周期。已知 $k-1$ 步的节拍时刻和周期，如果不考虑噪声，在 $k$ 时刻有 节拍时间 \[\hat{t}(k)= t(k-1)+\Delta(k-1)\] 节拍周期 \[\hat{\Delta}(k)= \Delta(k-1)\] 于是，可以取 2 维状态向量 \[\mathrm{x} = \begin{bmatrix} t\\\Delta \end{bmatrix}\] 在此基础上考虑过程噪声 $\mathrm{v}$，得到状态方程 \[\mathrm{x}(k)= \mathrm{F}\mathrm{x}(k-...

节拍数据集 1.SDPH 数据集 SDPH (Spotify Dance Pop Hits) 是一个自建数据集，选自 Spotify 的 Dance Pop Hits 歌单，主要包含英文流行舞曲113曲，年份覆盖 2010 至 2022 年。统一截取前3分钟音频，按照 songbpm 网站 (https://songbpm.com/) 给出的速度，由人工标注所有节拍时刻。由于版权问题，该数据集不会公开，仅用于研究。 2.GZTAN 数据集 GZTAN音乐数据集是一个用于音乐分类和音乐信息检索的重要数据集，被广泛应用于音乐分类、音乐信息检索、音乐推荐等领域的研究和实践中。 它包含了1000首歌曲，每首歌曲的长度为30秒，共包含10个音乐类别，每个类别包含100首歌曲。这些类别包...

摘要 本文探讨了深度学习在音乐节拍跟踪方向的应用，举例说明了几类常见的神经网络算法。另外，本文对文献[1]所用的RNN网络模型进行了探究试验，在自建数据集上进行训练和测试，并与通用信号处理框架进行比较，结果表明RNN在F-measure和P-score两项精度指标上均占优，但仍存在模型不稳定的问题。 1. 引言 节拍（Beat）是指某种具有固定时长的音符，通常以四分音符或八分音符为一拍。节拍跟踪/节拍检测是计算机对人们在听音乐时无意识踮脚或拍手对现象的模拟，经常用于对音乐信号按节拍进行分割[2]。节拍是理解音乐节奏的基础，在视频编辑、音乐可视化、舞台灯光控制等方面有许多应用。 大多数早期的节拍跟踪的研究使用符号音乐或乐器数字接口（Musical Instrument Digit...