Investigación del Currículo Musical Utilizando un Modelo de Lenguaje Grande, Computación en la Nube y Tecnologías de Minería de Datos

Este documento presenta un método para mejorar la naturaleza científica del modelo de currículo musical mediante la integración de un modelo de lenguaje grande, computación en la nube y tecnología de minería de datos para el análisis del modelo de currículo de enseñanza musical. Para mantener la integridad de la matriz de mezcla mientras se emplea la frecuencia de salto, el documento sugiere dividir la matriz de mezcla en una serie de sub-matrices a lo largo del eje de tiempo vertical. Este enfoque transforma el procesamiento de señales musicales de banda ancha en un problema de procesamiento de banda estrecha. Además, se proponen en este documento dos algoritmos híbridos de estimación de matriz utilizando condiciones no determinadas. Asimismo, utilizando la matriz de mezcla estimada y el dominio de soporte tiempo-frecuencia detectado, el documento emplea el algoritmo de proyección en subespacio para la separación ciega y no determinada de señales musicales en el dominio tiempo-frecuencia. Este procedimiento, junto con la integración de la dirección de llegada (DoA) estimada, permite completar la clasificación de señales musicales de estaciones de red de salto de frecuencia. Extensas simulaciones de enseñanza demuestran que el modelo de currículo musical propuesto en este documento, basado en un modelo de lenguaje grande, computación en la nube y tecnologías de minería de datos, mejora significativamente la calidad de la enseñanza musical moderna.