Qualificação de doutorado do discente Henrique Barros, dia 19/03 as 14:00.

Qualificação de doutorado do discente Henrique Barros, dia 19/03 as 14:00.

Título: Inferência Gramatical: Aplicações em Composição Algorítmica para Modelagem de Sequência de Acordes
Data: 19/03/2021
Horário: 14:00
Banca: Prof. Dr. Rodrigo Geraldo Ribeiro (UFOP - Presidente); Prof. Dr. Rogério Vasconcelos Barbosa (UFMG); Prof. Dr. Anderson Almeida Ferreira (UFOP)
Link: https://meet.google.com/qps-vrjj-mpy
Resumo: Inferência Gramatical é uma área amplamente estudada que utiliza algoritmos para inferir uma gramática formal. As gramáticas inferidas podem ser aplicadas em uma grande variedade de áreas, como Linguística Computacional e Computação Musical. Hoje em dia, esses algoritmos podem inferir gramáticas determinísticas do mais baixo nível da hierarquia de Chomsky, Gramáticas Regulares, até Gramáticas Livres de Contexto. Ao lidar com gramáticas probabilísticas, existem algoritmos para inferir sub-classes de Gramáticas Sensíveis ao Contexto Probabilísticas.
A Inferência Gramatical em Computação Musical nos provê modelos valiosos para áreas como Composição Algorítmica, Classificação de Estilos, e Análise de Teoria Musical. Gramáticas com uma maior acurácia, podem nos levar a modelos que melhoram a performance de diversas tarefas nessas áreas. Estudos recentes mostraram que Modelos Ocultos de Markov podem superar Cadeias de Markov em termos de acurácia, porém não há diferenças significativas entre Modelos Ocultos de Markov e Gramáticas Livres de Contexto Probabilísticas (GLCPs). Não há resultados na literatura que comprovam se uma Gramática Sensível ao Contexto Probabilística pode superar ambas gramáticas.
Neste trabalho, aplicamos um algoritmo de Amostragem de Gibbs para inferir Gramáticas (k,l)-Sensíveis ao Contexto Probabilísticas (G(k,l)CSPs) e apresentamos uma aplicação de G(k,l)CSPs para modelar a composição de sequências de acordes. Nossos resultados mostram que a Amostragem de Gibbs e G(k,l)CSPs podem superar GLCPs e o algoritmo Metropolis-Hastings com perplexidades até 48% menores em média (valop-p 0,0026).