haku: @keyword musiikki / yhteensä: 31
hakutulos-lista
viite: 9 / 31
« edellinen | seuraava »
Tekijä:Wikström, Valtteri
Työn nimi:Tuning the body to music: Mapping physiological responses to acoustic features
Musiikin akustisten ominaisuuksien mallintaminen kuuntelijan fysiologisista vasteista
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2014
Sivut:vii + 60 s. + liitt. 6      Kieli:   eng
Koulu/Laitos/Osasto:Sähkötekniikan korkeakoulu
Oppiaine:Laskennallinen ja kognitiivinen biotiede   (S3001)
Valvoja:Sams, Mikko
Ohjaaja:Makkonen, Tommi ; Vatanen, Tommi
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201402191435
OEVS:
Digitoitu arkistokappale luettavissa Harald Herlin -oppimiskeskuksen asiakaskoneilla | ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  1026   | Arkisto
Avainsanat:affective computing
physiological computing
psychoacoustics
music information retrieval
MIR
music emotion recognition
physiology
autonomic nervous system
ANS
real-time
tunteet
musiikki
fysiologia
autonominen hermosto
reaaliaikainen
psykoakustiikka
Tiivistelmä (fin):Tämän työn aiheena ovat äänen psykoakustiset ominaisuudet, musiikkiin liitettävät tunteet, ja niiden aiheuttamat fysiologiset vasteet.
Tavoitteena on kehittää reaaliaikainen järjestelmä psykoakustisten ominaisuuksien mallintamiseksi kuuntelijan fysiologisten vasteiden perusteella.
Tämän teknologian mahdollisia käyttökohteita ovat fysiologisesti ja tunteellisesti tietoisten käyttöliittymien kehittäminen, sekä taiteellinen ilmaisu.
Työ alkaa katsauksella autonomiseen hermostoon, affektiiviseen tietotekniikkaan ja musiikin tiedonhakuun.
Metodiosiossa kartoitetaan tunnettuja työkaluja ja menetelmiä fysiologisten signaalien ja psykoakustisten ominaisuuksien analysoimiseksi.
Koska saatavilla ei ollut työkaluja ihon sähkönjohtavuuden, sydänsähkökäyrän ja hengityksen reaaliaikaista analyysiä varten, kehitettiin tätä tarkoitusta varten uusi tietokoneohjelmisto.
Äänen analyysi ja regressiomallinnus toteutettiin olemassaolevilla työkaluilla.
Arviointitutkimuksen avulla pyrittiin selvittämään regressiomallin toimivuus.
Validoidussa paradigmassa monen muuttujan lineaarista regressiomallia ja neuroverkkomallia verrattiin vakiomalliin.
Lopputulos oli sekalainen.
Vakiomalli oli tarkempi kuin kaksi muuta mallia, mutta neuroverkkomalli saavutti merkittäviä korrelaatioita ennusteiden ja kohdearvojen välille.
Päätösluvussa teen ehdotuksia nykyisen järjestelmän edelleenkehittämistä varten, sekä ehdotan mahdollisia jatkotutkimuksen aiheita.}
Tiivistelmä (eng):The topic of this work is determining the relationship between the psychoacoustic qualities of sound, musical emotions, and their physiological response patterning.
The goal is the development of a real-time system for predicting psychoacoustic features, derived from a songs audio signal, with physiological measurements of the listener.
Possible uses for this technology are in the creation of physiologically and affectively aware user interfaces, as well as in artistic expression.
The background chapter consists of an overview of the autonomous nervous system, affective computing, and music information retrieval.
In the methods chapter the available tools and methods for the analysis of physiological signals and psychoacoustic features from music are evaluated.
Because no readily available software is identified for real-time analysis of electrodermal activation, electrocardiography and respiration inductance plethysmography, a new software application is developed for this purpose.
Audio analysis and regression modeling are approached using existing tools.
An evaluation study is conducted to determine the efficacy of the regression model.
In a validated paradigm, a multiple linear regression model and an artificial neural network model are tested against a constant regressor, or dummy model.
The results of the evaluation study are mixed.
The dummy model outperforms the other models in prediction accuracy, but the artificial neural network model achieves significant correlations between predictions and target values.
In the conclusion chapter I suggest improvements to the current system and possible future directions for this research.
ED:2014-02-19
INSSI tietueen numero: 48689
+ lisää koriin
« edellinen | seuraava »
INSSI