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.