Bibliographic record
Abstract
Esta dissertacao trata principalmente da pesquisa de metodos matematicos e algoritmos com a finalidade de gerar e controlar fluxos de som em tempo real dentro do escopo da sintese granular. Inicialmente abordamos os fundamentos matematicos da Sintese Granular proposta pelo Premio Nobel de Fisica Dennis Gabor. Em seguida apresentamos uma breve revisao historica do uso desta tecnica em composicoes eletroacusticas e analisamos alguns dos mais conhecidos aplicativos atuais para sintese granular. Com base nestes estudos desenvolvemos um software para sintese granular em tempo real que denominamos EVOGrain. Este aplicativo apresenta uma interface grafica intuitiva e amigavel com a qual o compositor controla a sintese granular desenhando, com uso do mouse, retângulos de diferentes tamanhos e posicao. As coordenadas destes retângulos fornecem informacao que guia a execucao de um algoritmo genetico, que por sua vez controla os parâmetros de um modulo de sintese granular em tempo real resultando em sonoridades e texturas que evoluem dinamicamente. Na segunda parte da dissertacao apresentamos os resultados da nossa pesquisa realizada no laboratorio Input Devices for Music Interaction Lab (IDMIL) da McGill University atraves de um estagio pelo programa de intercâmbio canadense Emerging Leaders from the Americas Program (ELAP). Nesta pesquisa, foram feitos diversos experimentos com os chamados Instrumentos Musicais Digitais (DMIs). Os modulos do sistema original EVOGrain foram reformulados em tres sistemas independentes, GranularStreamer, Genetic Algorithm Mapper e GranularDrawer, responsaveis respectivamente pela execucao da sintese sonora, aplicacao de algoritmo genetico e sintese de imagens. Alem deles, diversos controladores gestuais foram avaliados no contexto da sintese granular, sendo eles os comerciais PC-1600x, SpaceNavigator e o T-Stick desenvolvido no IDMIL, o que culminou na prototipagem de um novo dispositivo, de nossa autoria e que denominamos RedController Abstract
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".