おうまさんろぐ の履歴(No.5)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• おうまさんろぐ へ行く。
  • 1 (2014-05-01 (木) 05:45:13)
  • 2 (2014-05-01 (木) 06:07:53)
  • 3 (2014-05-02 (金) 06:00:16)
  • 4 (2014-06-12 (木) 08:13:14)
  • 5 (2014-06-24 (火) 09:36:56)

---

tomokoyonezawaLab_FrontPage

スケルトン感想（こんなのでいいんでしょうか　わからない）†

• ごーちさん
  • 3.2とか、3.3とか、3.7とかの章の名前は固有名詞（？）のみになってて、
    何をかくつもりなのか分かりづらいというか違和感というか…がある気がします
    自律神経とはなんたるやを説明するのならいいんだけど、そうじゃないなら自律神経の何を書くのか、 ということを短く付け足すといいかもです。
    脈拍センサも、脈拍センサをどう作ったか書くのならそれでも良いかもしれないけど
    そうじゃないなら脈拍センサって書くんじゃなくて、何にセンサを使うかっていう「何」のほうを
    章の名前にして、内容で脈拍センサつかうよって話をしたほうがいいかもと思いました
    

• むーつんさん
  • ひとりで卒論書く
  • 実験：目的、方法、結果に分けるといいのでは
  • 3章はシステム「概要」だけど、その3章でシステムのこと詰め込むと概要ではなくなる気がするので
    もうちょい章をつくるとよろし〜かと

ぱたんにんしきメモ†

個人的めも†

• 環境音をアタックの面でみて、すぐおさまるとか、ASDRそういうのをみる
• ノイズに近けりゃ木の音とか
• SVM<かくれマルコフ
• 足音のモデルをつくる（特徴量をとる
  

6/17（隠れマルコフモデル(HMM)について†

「隠れ：かえるがないたら雨がふるとか、関係性がなさそうだが実は遠い所にあって、
雨の動きを見ずにかえるをみてるわけで、本物をみてないのに雨の確率が出てくる。」
「マルコフ連鎖と隠れマルコフモデルの本質的な違いは，
隠れマルコフモデルでは状態とシンボルの 1 対 1 対応が存在しないことである．
各状態は，唯一の記号しか出力しないが，一般には，同一の記号を出力する状態が複数あり，
出力記号列からだけでは状態遷移の系列を特定できないので「隠れ」マルコフという。」

• マルコフ過程に沿って、すとれーとにその事象だけをモデルしたのがマルコフ
  • その状態遷移をモデル化すると隠れる？
• 風向きとか裏情報を考えて天気予測するのが隠れマルコフで、単に次の天気の確率だけをみるのがマルコフ
  • どっちとも、一個前しかみない（それ以上さかのぼれない）から、そこからでる確率は決まっている
  • あと一個後にいく確率はしってる

• たとえば、晴れ→晴れがマルコフ、その間の確率を考えるのが隠れマルコフ？

• 雨ふるらしーよっていわれてるけどそれがなんでなのかわからん雨さん

• マルコフは一対一のみ、はれかあめか

6/10（隠れマルコフモデル(HMM)について†

• ちゅん先輩：音声システム　入力がわからない、音声が理解できない
• HTK、SPTKとか。。pythonの音声信号処理

• 外から観測できる物に対して使う。
  ex）曇りから晴れ、曇り、雨になる確率てわからんよね
• 変わってく確率は見えない（隠れてる）。

• 宿題＊マルコフモデルと隠れマルコフモデルの違いについてしらべる！ 　　　できたらHMMをうごかしてみよう（scikitにあるかな

• 学習→HMM　認識→ビタビアルゴリズム（動的計画法の一種）
  

5/20†

• スペクトログラムの形状をとる。
  • 時間長
  • 周波数の上、下
  • 形状が三角または台形的か、L字的かどうか、I字的かどうか、四角的かどうか
    ☆データベースつくるのが一番大事
    

5/7（よっしー先輩†

• 波形の変化量をどんどん足し合わせて別の波形をつくる
  1.あああ
  2.うん
  3.うーん
  4.ん？
  

• 1と4が積極、他が消極

• 何秒以上立ったらひも付けられないとかいうのを決める
• ひも付けたときの開始時刻をいれる。
• なんでもなければ　０、０、０
• しゃべってる側の語尾の学習（わかんなかったよね〜↑みたいな
• 友達に言ってんのか先生に言ってんのか。なにをみてうなづいているのか？
• ↑っていう情報だけでもいいかもね。
• 行動を複数組み合わせる事によって推定する。
• 特徴量に工夫をもたせると○
  

さいしょ†

• ちゅん先輩
  • 生データの変化量も特徴としてつかうよ（時間あたりの変化量必須
  • ちょっと歩いてるとか、変化量をみるのはたいせつね
• ふじわらくん
  • 流し読みってあるよね。文章をどれだけちゃんと読んでるか分析するとアプローチの手段が増えそう
  • ↑目線によるかな？熟読、流し読み、中断、そもそも読まない
  • faceAPIとか？FFTとかつかう？
  • エージェントとしゃべってる様子をみて、聞いてなかったら「きいてる？」ってきくとか
• よっしー先輩
  • その話を理解しているか。理解度をみたい。
  • 顔認識とか。
  • 積極的なものとそうでないもの、わかったかわからないか、ノイズがはいった場合、わからん場合
  • 首ひねるとかの生データ3つ、動きの絶対値
  • 動いてる間は変化値があがり、止まったらきえる
  • 音についてはピッチ（音がある間全部とる。もしくは語尾に特徴がでるならそこだけ）、声の大きさ
  • どこにフォルマント（音韻）がくるかもひとつのパラメータになるかな？
  • 音色は声に関しては違うかなって感じ
• もーりーさん
  • お辞儀のかわりみつかってないからお辞儀で
  • 会釈、普通礼、最敬礼、なにもしてない
  • とりあえず深さで。あと頭さげて戻すまでの時間
  • 深さは個人差もあるけど、さげて戻すまでの間を考えれば丁寧かどうかわかりそう。
  • kinectでとるけど、変なデータが多かったのはなんでかわからん。広いところでもダメなら他の方法考える。
  • 尊敬度をどれほどもってくれてるのか
• わたし
  • 音の有無→人の声なのか？環境音なのか？
  • 生活継続性
  • 音の高さや長さでわける
  • 周期的な音：足音とか、なんか
  • スペクトログラムの値
  • 足音の低音か、物置いたか倒れたかの音とか
  • できそうなところからやる
  • キーボードタイピングは高い音（高周波数帯域の作業音
  • 足音、しゃべってる音、作業音、無音
  • それ以外と無音は無視して、足音＋しゃべり、足音＋作業、しゃべり＋作業
  • マイクでとるの？
    

• PSVM:processing用SVM　lib→PSVM→なんかえらぶ　学習と認識をする
• 学習：multiclasssvm(newtable→loadTable、thisを消して後ろに, "header"をいれる)
  結果認識:loadtrainingdata

• .csvが学習データの拡張子。エクセルでね
• xの特徴量、yの略、一番最後のとこにクラス番号（ソートする）
• trainingdata[特徴量数]
• row.getInt(かず);←その前のp[]も必要に応じて増やす
• problem.setNumFeatures(かず);
• sを押すと.txtができている：classが○つあるか確認、total_svm確認
• multi云々でできたファイル内のデータをload云々のファイルにうつす
• load云々内のmodel.loadModel()の数字は特徴量の数
• float[]pのやつも特徴量の数だけはいれつ
• 時系列データを使って学習するときはちょっと前のデータから学習する

• 何をするべきか全体的に把握

授業メモ†

6/12†

• コンピュータがコンピュータを設計する時が来るかも
• 人はコンピュータに種をまく役割があるからいらないこじゃないよ
• コンピュータと人の違い：感情の有無、意味付けできるか否か、
  
  
• パルサー合成：パルサーエンベロープとよばれるものによって時間的に限られた波形として実装される
• 様々な形状にする事が出来、得られた音の音色に影響を及ぼす
• レクタングラー、線形ディ系、線形アタック、ADSRの4種類の波形

• wavesetディストーション
  • グラニュラーににてる。一周期０地点を1セットと考える
• トレバーさんのしんせ：wavecycleの切り取り（並べ替え）、エンベロープ、モジュレーション（変調）、
  その他波形と置き換えたり。。
• PSOLA：すごく簡単にいえばピッチ変換技術。ある程度スペクトルを保持したままピッチ変更できる
  • 基本周期で分割し伸縮短縮することでピッチ変換
• Statistical wavecycle synthesis
  • 統計的手法（ガウスとか）によりブレークポイントサンプルのシーケンスを予測＆補完し波形を合成

5/29†

• セル・オートマトン：格子状のセル
• カオシンセ：グラニュラ合成にオートマトンを使用
  
  
• TV電話の画面が見えにくい事がコミュニケーションに影響するかどうか→影響する
• 感情コンピュータの対称性：個人的な好みを認識しているかが重要
• Huxleyさん
• 感情のコントロール＝独裁者のイメージ：特定の感情につながると考えられたタスクに従事するサブリミナル影響及び明白な要件の両方を達成する事
• わたしらは音楽とかで感情をコントロールしている
• 正確に感情を認識するには、知識が必要。女の方が感情の認識能力が高いらしい。
• 人の生体的なところに影響を与えすぎるとよくないぽい
  
  
• コンピュータは感情の制御を必要としている。ユーザに対して危害を加える可能性があるから
  ex:2001年宇宙の旅
• まあそんなことあんまないやろーけど。
• M5コンピュータ（スタートレックだ〜）
• 敵を駆逐するはずが味方を駆逐してしまった
• 創造性や柔軟性を与えた場合は意思決定は向上する。が、責任感も与えないと独裁的になってユーザに危害を加える可能性もある
  
  
• 寝てて夢みてるとき、ベッドから落ちたと思ったら落ちてなかった
• そのとき認識フィードバックが起こる：おちつかせる
• 身体的フィードバック：過去を思い出してその時の気持ちになったりとか。。
• フィードバックてのは感情の変化をコントロールすんだよ
• 機嫌は感情に影響を与える
• シグモイド関数で感情をコントロールできる
  • Q：機嫌と感情の違いってなんや
  • A：よくわからん。
    
    
• むー＆やみ：エア焼肉。フィルムヒータは暖かさ。Leap使う。←センサでよくね
• くに＆ろき＆もり：面接シミュレーション的な。特技披露でドラム
• くぼ＆うえ＆あり：ユーザの帰宅を歓迎するロボット
  
  
• ろ：△クラス　◎パラメータ
  • 問題点を明確に、データ集め、加速度や向きの計算（6月中にやりたい）
• や：アルゴリズムは考案してるので合宿のときにやりたい。システムを作り直したい。
  
  
• 最後の目標ってなんぞ
  

5/22†

• cordis-anima:物理モデリングシステム
  何らかの機能をもったプログラムの部品を結びつけ相互作用させる
• 時間が音の中で最も重要なパラメータ
• granular synthesis：小さな音の粒を時間的・空間的にランダム配置し、音を生成する
  
  
• マナーが良いとほぼ相手に好印象を与える。
• マナーは行動を導く事がある。コンピュータにもね☆
• エージェントが元気出して！って言ってくれたりするのは、必ずしも人を励ますのに有効とはいえない（ですよね〜〜〜）
• エージェントの気が散る顔とか。。。
• 感情のコンピュータは個人的かつ親密
• その人のことを学習し、適切に感情表現する＝個人情報を所持してるてこと
• よって、こういうのを持ってるコンピュータにはプライバシ保護をかけるべき
• こういうコンピュータって自由に使っていいものなのかどうか。。。
  
  
• コンピュータはどれだけ正確に人間の感情とか理解・識別できるん
• 現状その精度は不明。でも近いうちにコンピュータが人より正確になるかも？
• 感情認識は身体情報で識別してるので、偽ることができる
• ポーカーボディはないかもね
• コンピュータは感情が無く客観的と思われがち。でも作るのも使うのも人間なので、完全にそうでもない
• 豊かに表現するようにコンピュータが働きかけるのも必要
  
  

• アイディアを形にする（プロトタイプ）
  • ◎最も楽な手段で、仕様を最低限で決める
  • ×見た目の精錬、付属機能搭載、なんかを学ぶついで
    

5/15†

• 映画は、プロットにひもづけされた一連の感情だ！
  →映画は心理的実験で感情を引き出すのに標準的な方法
• 「たまごっち」ドット絵なのに感情移入
• コンピュータがポジティブな雰囲気を強調するように設計すれば人の気分がいい状態を維持できる？
  →コンピュータに良心がある必要がある
• 感情計算論の応用を提案
  
  

• コンピュータへの期待による誤解
  • 人はコンピュータに対して擬人化を求める。
  • コンピュータからの情報を過信する。
• コンピュータが感情を認識できる様になったら
  →認識したという事をどう表現するべきか？（機械的に反応を返すとユーザを失望させてしまう）
• 感情をもつふりをしているコンピュータに対してユーザがどう感じているか
  • コンピュータは当然ユーザに共感していない
• 高度な擬人化が必要でない場合もある
  
  

• 人の好みを学習
  • 読んでいる人の表情や仕草で判別する。
• セレンディピティ
  • 偶然を契機としたひらめきから幸運をつかみ取る能力
  • コンピュータでは、人の好みに適応する機会がある。しかし受動的に情報を設定しないとダメ
  • 機械と人の好みを同じ様に感じさせるのは「メディアの等式」が要因である。
• 人の好みを識別するシステムの例
  • インターネットの画像検索に好みを学習する機能を搭載する
  • 識別項目から好きな画像を提供。検索時間の短縮
  • しかし、人の好みは随時変化しているので追加情報を収集しなくてはならぬ
• そこで割り込み学習
  • でも難しい。
    
    
• fragmentation：波形をきりとる
• growth：その波形を使って波形を変形させる
• brassage：波形をバラバラにして組み替えて（新しい）音を作る。音の長短も変えられる
  ≒granular synthesis
• zigzag：波形を再生して、ある地点で逆再生をかけ、また再生（行ったり来たり）
  →根底にはfragmentationとgrowth
  
  
• モーダル合成
  • 物理モデリングを実装するため用いるアルゴリズム
  • 抽象的概念：力→質量→衝撃→（物質の）表面→pickup
  • これをアルゴリズムにしたものがモーダル合成
  • 特定の振動特性を具現化する物理モデリングのパーツ
• Mondalys
  • IRCAMで開発された物理モデリングエンジン。弦の物理的な音響変化を再現
    
    〜〜〜
    
    
• GWかだいはっぴょ
  • ＊わたし
  • 高齢者じゃなくて赤ちゃんとかでも〜みたいな、そんな話し合いをしてみよう

5/1†

• ◆輪講
  • カープラス・ストロング合成：弦楽器のような音になる
  • セルオートマトン：格子状のセルと単純な規則による離散的計算モデル
  • ルックアップテーブル

• フローをしっかりしよう　あまり長い文章をかかない。
• それぞれの部品をそれぞれモデリングするといい？ってことを最初に言う

• チューブ構成要素：ボンドグラフに少しだけモデル追加することで実現可能

• 感情にあわせて音楽が動く←→音楽にあった感情が想起される
• どの音楽がどんな感情を想起させるかわかれば、音楽推薦システムとかできるかもね
• ↑環境や個人の好みによってもちがうけど。。

• 声の抑揚は重要
• 表情は、人の感情に影響を与える
• 実際スポーツに参加していなくても、感情的な面では参加している。
• エンターテイナー側も観客の表情に影響を受ける
  
  

• ◆おしらせ
• wikiの4回生ログのプレゼンの作り方をみる
• わかりやすいプレゼンではやめに輪講まわす
• ちゃんとスライド用意しとく
• ☆GW課題を考える（卒論に関わる実験、実装、etc）wikiに今日中にかく
• ☆講習でやりたいことを挙げる
• ☆興味メーリスで自分はこういう研究やっててこういうことしたいっていう自己紹介送る
• ☆卒論をドラフトにしていく（箇条書きの項目をつくる）
  
  
• ◆スケルトンみたよ会
• もーりー
  • ふ：まとまってるかんじはあったけど4章の社会的関係性ってけっこうでかいから、
    ３章よりも前にもってきたほうがいいのでは
• くぼくぼ
  • ふ、ろ、も：4章くらいしかないのはちょっとすくない
    専門の章を作って説明するべき事があるのでは
• ませ
  • む：考察はあるけど実験はみつからない。サウンドセンサネットワークのとこ？
    dsPICを用いた、ていうのはいらんのでは
  • ろ：関連研究、例えばどういった研究を参考にしてるのか、サブカテゴリとして研究分野をわかるように
  • ご：実験ない
• むーつん
  • う：実験の手順内容必要ではないか
  • ゆ：はじめにに、細かい項目いれたほうが
• ひよこ
  • く：背景はシステム概要の前にいれた方が。章立てをもっと多く
  • うえ：実験の有無は？
  • せんせ：↑評価ってのはいらんから実験より展示して意見をまとめる
• ごーち
  • く：くわしいけど3章につめすぎ
• ろっきー
  • ゆ：実験と考察あったほうがいいのでは。はじめにの章立てがおかしい
  • や：展望を考察のなかにいれたほうがよい
• うめ
  • うえ：音→画像→音の順がおかしーのでは。
  • む：マイク入力、ではなく何にマイク入力を使うのかをセクションにすべき
  • ゆ：環境音の定義をどこかにいれるべき
• あり
  • ご：章立ておかしい＞間違ってました
• ふじ
  • く：幹事ってきまったの？＞使われる状況を限定する事でわかりやすくしてみた。
• ゆ
  • ろ：関連研究のサブカテゴリ。実験仮説も実験目的の中にいれれば
  • む：バイオリンらしさをどういうとこで説明するのか
  • うめ：システム概要をもっとかけるのでは。ソフト部分とか
    
    
• ◆注意
• みんながわかってるからいらんだろというのもはじめにや関連研究に入れる。
• 類似研究、類似アプローチも必ず関連研究に！
• ○○システムであって概要ではない。中に入れる
• 展望、ではなく　おわりに

4/24†

メーリスに登録してから帰る事。

• もーりーさん
  • Q:社会的関係性というものもいるのでは
  • A:いろいろ突っ込まれたけどじゃどうしたらええんや状態
  • Q:なんのパターン認識？
  • A:都合のいい動作を模索中だけどとりあえずお辞儀？
  • Q:お辞儀なんであかんの
  • A:そんなお辞儀たくさんするんかいな。と言われた

• くぼくぼさん
  • 経験を学習するとか、記憶するとか、どこを学習するかっていう言葉に変えると○
  • ロボットとのやりとりの記録とかそういう感じ？

• わしわし
  • パターン認識とか勉強キーワードやからちがう。
  • 超音波は使うものでこれもちがう
  • ぬいぐるみエージェント追加
  • パターンryのかわりに状況理解
  • サウンドセンサネットワーク←だいじ

• むーつんさん
  • バーチャルライブだかコミュニケーションだか
  • webなんたらがどうたらじゃなくて音源再配置でええやん？
  • リアルタイム性がほしーの
  • Q:キーワードシンプルにできへんの？内容もっと伝わるシンプルなものにしたら

• ひよこさん
  • 砂時計、一回性の体験、光、音、タンジブル・ビット
  • Q:どういう基準で音を決めるのか
  • ストーリー性を大事に！
  • デバイス・アート
  • タンジブル・ビットをタンジブル・インターフェースにかえよう

• ごーちさん
  • 落ち着き、やる気、脈拍センサ、自律神経、交感神経、副交感神経、
  • 線形補間、拘束フーリエ変換、バイノーラルビート、1/fゆらぎ（自然の音）etc
  • バイノーラルビートは違和感あるんじゃ？という話も
  • Q:多くね？
  • 一番重要なのは：落ち着きとやる気の共通キーワード→気分の状態
  • なんたら神経や補間はいらん

• ろっきーさん
  • ドラム初心者の練習支援、うまい人と動きを比較、曲調ごとに異なる演奏動作表現
  • 曲調分析っていうとかっこいいよ
  • ☆突然の地震☆
  • パフォーマンス動作と、うまく叩く動作っていうのはつながってるのではと思っているので
  • パフォーマンス動作を練習することでもうまくなるのでは？という考え
  • 頭部動作

• やみほーさん
  • 温度情報、ディジタル画像、温感体験システム、リアリティ（？）、温度のデジタル化（？）
  • リアリティやめて物質存在感にしたら
  • 温度マップ情報
  • 動画に温度つけるのも面白そう〜
  • タイムシーケンシャルマッピング

• ありこさん
  • 音楽演奏、表情、首の動き、視線行動、視覚・聴覚情報
  • 音楽演奏というより歌唱パフォーマンス？
  • 音楽分析、演奏動作表現とかいれとこ。
  • 頭部の表現もぬけてる。顔面系

• うえっつさん
  • SNS疲れの緩和、タイムラインの情報集約、会話型コミュニケーション、
  • フォロワーとの関係性を維持、信頼感のあるエージェント

• ふじわらくん
  • 擬人化エージェント、幹事・マネージャーエージェント、調整役のもつ内部モデル、
  • 人間らしい情報の伝え方、間の取り持ち（グループ支援）
    
    ☆他の人のスケルトン2〜3読んでwikiにスケルトンの感想・改善等かく。
    
    ☆パターン認識：火曜6限。来れない場合は水曜日に誰かに聞くなりなんなり。来週は水曜

4/17†

• 伊納先輩の論文：
  • 同期する信号をキャッチするセンサがいるので、手法を参考にする。孫引きする。
    
• 4回生だから意見交換をしよう

• ませのキーワード：
  • dsPIC、ぬいぐるみ、環境音、プライバシーより煩わしさ？、超音波、パターン認識
  • ぬいぐるみと環境音の組み合わせが曖昧
  • 環境音に基づいてぬいぐるみがうごく？（超音波
  • ユーザが不安定だったら超音波だしてぬいぐるみ反応したらよくね
    • ex)エアコンの音がする、さむくね？、って心配する様に超音波だす

• もーりーさn
  • エージェント、コミュニケーション、パターン認識、学習（エージェントの）、受付対応？
  • 学会の続きやるよ、挨拶をみてエージェントが反応しますよ
  • 人と人のやりとりに応じて反応→人とエージェントのほうが誘導もできるしいいんじゃねと指摘
  • 挨拶の仕方によってどう思ってるかというのがわかるのでは？
    →エージェントにしていかんと。というわけで学習させよう

• くぼくぼさn
  • エージェント、ロボット、インタラクションの有限性（からの愛着）、エージェントの学習
  • そもそもロボットに愛着を持たせるために。遺伝やめて寿命のみに。
  • 流れが完成されてるぽい
  • 有限性と愛着の関係を調べる
  • ロボットの動き、どんなインタラクションをするかは未定

• ひよこ
  • 砂時計、光、音、メディアアート、場の共有、儚さ？、光の粒子
  • 最初はいっぱいあるものがおちていくなあ。さみしいなあ
  • 一番感じてほしいのは綺麗さ
  • オルゴールみたいな感じ。
  • 時計である意味とは
  • 磁石を底につけて、動かしたら砂鉄の形がかわる→ますます砂時計である意味とは
  • とりあえずペットボトルでつくろう

• むーつん
  • ネットセッション、（観客）エージェント、被視聴感、ユーザのアバター付与（によって被視聴感）、
    音源再配置、頭部伝達関数、ライブストリーミング、臨場感、立体音響
  • ライブできない人にできる場所を与えたい。
  • 遅延の問題
  • 重いのは課題

4/10†

2014,2013の卒論から二個選んで全部よむ＋コピーしてくる
気になるとこに線ひくっぽい

☆卒業研究とは

• かたちに残す、結論を出す
• ディスカッションしよう
• 仮説を立てる
  • 段階にわけつつ複数
    • 入れ子状で整頓する
  • メインの仮説が分かる動機
• ツリー構造で物はなりたってるよ
  • トップダウンでせつめいする
    
• 作る/再構成/発展
• 検証（仮説）≒実験　　　　　　　　　→結論
• 　　　　　　+考察（結果の理由付け）→結論
• 研究の背景
• 関連研究
  
  

春＊仮説をつくろう/発展

• 予備検証をしよう
  夏＊予備検証→検証、ドラフト
• （スケルトン：章立て　　ドラフト：中身の予定を徐々に書き出してるもの。箇条書きとかで）
  秋＊関連研究の数を3倍に。10月末に第一版
  冬＊卒論〆：1月初旬〜中旬
  

それ以前†

• オーケストラファイル：この楽器の音はどういうのか、細かくかいてる（MIDI0番はどんな音）
• スコアファイル：どうやってならすのかかいてる（MIDIの中身っぽい）
• 感情を持つことにより不適切なふるまいを引き起こさせない
• なんでフーリエ変換すんの：その信号の周期をしりたいとき

• スペクトルモデリング：時間や音色を意識。フーリエ解析の遺産
• フーリエ解析：周期的な波としてとらえられる現象はすべて単純なサイン波となる
  • 周期的だと分かってる信号に使う
• アディティブシンセシス：複数のサインを合成する技術
  • 複雑な音色を作るために単純な音色を重ねていく

• FFT→高速フーリエ変換

• 短時間フーリエ変換（STFT)：周期的な波でないときにつかう

• マザーウェーブレット：周波数成分をはかる尺度の元になるウェーブレット
• 帯域通過フィルター（BPF）＝バンドパスフィルター
• predictive analysis（予測分析）：非サイン派が多いと分析しにくいからそんときつかう

• 加算再合成：STFT解析データを使う。柔軟性あり
• フェーズボコーダ：スペクトル操作技術に対して利用可能なツールがたくさん

• フォルマント合成
• FOFジェネレーター：音声のフォルマントを生成するためにつかう
  • バンドパスフィルタによる減算合成
• vosim合成
  
  
• ソースモデル：複雑な方程式等を使わず、真似して音作る
  • シンセとかは電子回路を使ってるから自分で方程式とか組み立てる必要か無い
• 導波管フィルタリング：送風機構や、物理的なものを考慮して音を作らなければいけないときにつかう

• 感情を表現できるcomのきそ５つ
  • インプット、意図的or自然発生的、周りに影響をあたえたりうけたり、いつどこでどんな、アウトプット
• comが感情をもつ状態とは
  • １：感情の表出・感情的行動をとること
  • ２：迅速に初期感情を表現できる事→認識するよりはやく感情を表に出す
  • ３：感情の認識
  • ４：感情的な経験（その感情がおこったときに自分はどういった行動をおこすのか
  • ５：感情と体の相互作用
    • ５つすべてが必要ってわけでもない
    • ユーザのフィードバックを得て最適化を図る

• 辺縁系・・・早いが剛性な方法で感情を扱う
• 皮質系・・・おそいが繊細
• 内部の状態を自発的に表現する事で周囲の人に貢献できる可能性
  • 内部の主観は人間と機械では違いがあるけど、それはなんだろ？

• 顔文字は感情を手軽に伝えられるが曖昧。人によって捉え方がちがう
• ゲーム環境は現実世界での行動や感情にも影響を及ぼす