[论文解读] Probabilistic Extension to the Concurrent Constraint Factor Oracle Model for Music Improvisation

Mauricio Toro|arXiv (Cornell University)|Feb 5, 2016

Business Process Modeling and Analysis被引用 6

一句话总结

本文提出了一种概率扩展版本的并发约束因子自动机模型（Ccfomi），用于实时音乐即兴创作，通过受控的概率分布增强非确定性选择。通过将概率非确定性定时并发约束演算（Probabilistic Non-deterministic Timed Concurrent Constraint calculus）集成到 Ccfomi 中，该模型在保持因子自动机构造的 O(n) 时间与空间复杂度的同时，实现了可预测的序列变化，执行由新开发的实时 ntcc 解释器（Ntccrt）支持。

ABSTRACT

We can program a Real-Time (RT) music improvisation system in C++ without a formal semantic or we can model it with process calculi such as the Non-deterministic Timed Concurrent Constraint (ntcc) calculus. "A Concurrent Constraints Factor Oracle (FO) model for Music Improvisation" (Ccfomi) is an improvisation model specified on ntcc. Since Ccfomi improvises non-deterministically, there is no control on choices and therefore little control over the sequence variation during the improvisation. To avoid this, we extended Ccfomi using the Probabilistic Non-deterministic Timed Concurrent Constraint calculus. Our extension to Ccfomi does not change the time and space complexity of building the FO, thus making our extension compatible with RT. However, there was not a ntcc interpreter capable of RT to execute Ccfomi. We developed Ntccrt --a RT capable interpreter for ntcc-- and we executed Ccfomi on Ntccrt. In the future, we plan to extend Ntccrt to execute our extension to Ccfomi.

研究动机与目标

• 解决基于 Ccfomi 模型的非确定性音乐即兴创作系统中缺乏控制的问题。
• 引入一种概率机制，以控制实时即兴创作中的选择，同时不增加计算复杂度。
• 开发一个支持运行时执行的实时解释器（Ntccrt），以执行扩展后的模型。
• 在时间与空间效率方面，确保与原始 Ccfomi 模型的向后兼容性。
• 为未来在生产级实时系统上执行概率扩展提供支持。

提出的方法

• 使用概率非确定性定时并发约束演算（p-ntcc）扩展 Ccfomi 模型，以引入加权选择概率。
• 保持原始因子自动机构造算法的 O(n) 时间与空间复杂度。
• 设计并实现 Ntccrt，即用于 ntcc 演算的实时解释器，以执行 Ccfomi 及其扩展。
• 将概率选择语义集成到基于 ntcc 的模型中，以定义概率引导即兴创作序列。
• 通过避免状态爆炸或性能下降，确保扩展符合实时约束。
• 使用形式化过程演算语义，对并发且基于约束环境下的即兴创作逻辑行为进行建模与验证。

实验结果

研究问题

• RQ1 如何通过概率选择控制基于并发约束的音乐即兴创作模型中的非确定性选择？
• RQ2 引入概率分布对因子自动机构造的时间与空间复杂度有何影响？
• RQ3 能否实现一个 ntcc 演算的实时解释器，以支持音乐即兴创作模型的运行时执行？
• RQ4 与原始非确定性模型相比，概率扩展如何提升即兴创作序列的可预测性与可控性？
• RQ5 将 Ntccrt 解释器扩展以支持实时执行概率 Ccfomi 模型是否可行？

主要发现

• Ccfomi 的概率扩展在因子自动机构造中保持了原始的 O(n) 时间与空间复杂度，确保了实时可行性。
• Ntccrt 解释器成功实现了对原始 Ccfomi 模型的实时执行，验证了其在运行时音乐即兴创作中的适用性。
• 概率选择语义的集成使得即兴创作序列能够实现受控的变体，降低了不可预测性。
• 该扩展在形式上与 ntcc 演算兼容，可在实时平台上以极低性能开销执行。
• 该模型通过定义的概率分布系统性地探索音乐变体，提升了创作控制力。
• 未来在 Ntccrt 上执行概率扩展是可行的，且已规划，解释器架构已设计为支持此类扩展。