Abstract
In this work, we present Score MUsic Graph (SMUG)-Explain, a framework for generating and visualizing explanations of graph neural networks applied to arbitrary prediction tasks on musical scores. Our system allows the user to visualize the contribution of input notes (and note features) to the network output, directly in the context of the musical score. We provide an interactive interface based on the music notation engraving library Verovio. We showcase the usage of SMUG-Explain on the task of cadence detection in classical music. All code is available on this https URL.
| Originalsprache | Englisch |
|---|---|
| Titel | Sound and Music Computing (SMC) |
| Seitenumfang | 6 |
| Publikationsstatus | Veröffentlicht - 2024 |
Wissenschaftszweige
- 202002 Audiovisuelle Medien
- 102 Informatik
- 102001 Artificial Intelligence
- 102003 Bildverarbeitung
- 102015 Informationssysteme
- 101019 Stochastik
- 103029 Statistische Physik
- 101018 Statistik
- 101017 Spieltheorie
- 202017 Embedded Systems
- 101016 Optimierung
- 101015 Operations Research
- 101014 Numerische Mathematik
- 101029 Mathematische Statistik
- 101028 Mathematische Modellierung
- 101026 Zeitreihenanalyse
- 101024 Wahrscheinlichkeitstheorie
- 102032 Computational Intelligence
- 102004 Bioinformatik
- 102013 Human-Computer Interaction
- 101027 Dynamische Systeme
- 305907 Medizinische Statistik
- 101004 Biomathematik
- 305905 Medizinische Informatik
- 101031 Approximationstheorie
- 102033 Data Mining
- 305901 Computerunterstützte Diagnose und Therapie
- 102019 Machine Learning
- 106007 Biostatistik
- 102018 Künstliche Neuronale Netze
- 106005 Bioinformatik
- 202037 Signalverarbeitung
- 202036 Sensorik
- 202035 Robotik
JKU-Schwerpunkte
- Digital Transformation
Dieses zitieren
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver