zu können, muß man zunächst durch Variation der Parameter ein Modell herstellen, das optimal zu der gegebenen Beobachtungssequenz paßt. Dies geschieht – ähnlich wie bei neuronalen Netzen – durch eine Trainingsphase anhand der Beobachtungssequenz. Ein geeignetes iteratives Optimierungsverfahren ist die Baum-Welch-Methode.

Im Unterschied zu Spracherkennungssystemen, die mit festen Kategorien arbeiten, muß hier für jedes gewünschte Klangereignis ein neues HMM durch iterative Optimierung erstellt werden.

Geplanter Ablauf des Forschungsprojekts

Bei der Umsetzung des Konzepts werde ich mit der Implementierung der ersten beiden Stufen beginnen, um verschiedene Kombinationen von Gehörmodellen und topologischen Karten mit Hilfe von ausgewählten Klängen zu erproben. Ausgehend von den in der Literatur beschriebenen Experimenten wird die Klangauswahl zunächst auf geringe Varianz beschränkt sein und dann langsam ausgeweitet werden, um Parameter wie Tonhöhe und Tondauer mit in die Ähnlichkeitsbewertung einzubeziehen.

Eine Beurteilung der Ergebnisse kann durch Vergleiche mit Ähnlichkeitsabschätzungen aus einer entsprechend gestalteten Versuchsreihe, etwa mit Musikstudenten, erfolgen.