Real music signals are highly variable, yet they have strong statistical structure. Prior information about the underlying physical mechanisms by which sounds are generated and rules by which complex sound structure is constructed (notes, chords, a complete musical score), can be naturally unified using Bayesian modelling techniques. Typically algorithms for Automatic Music Transcription independently carry out individual tasks such as multiple-F0 detection and beat tracking. The challenge remains to perform joint estimation of all parameters. We present a Bayesian approach for modelling music audio and content analysis. The proposed methodology based on Gaussian processes seeks joint estimation of multiple music concepts by incorporating into the kernel prior information about non-stationary behaviour, dynamics, and rich spectral content present in the modelled music signal. We illustrate the benefits of this approach via two tasks: pitch estimation and inferring missing segments in a polyphonic audio recording.
La Estimulación Cerebral Profunda (DBS) es un tratamiento efectivo para la enfermedad de Parkinson. Gran variedad de modelos matemáticos y computacionales para describir la propagación eléctrica debido a la DBS han sido propuestos, desafortunadamente, no existe claridad sobre las razones que justifican el uso de un modelo específico. En el presente trabajo se presenta una formulación matemática detallada de la propagación eléctrica debido a DBS que soporta un modelo basado en la ecuación de Laplace. Se realizan simulaciones para diferentes modelos geométricos del cerebro para determinar si la geometría, el tamaño y la ubicación de la tierra del modelo afectan la predicción de la estimulación eléctrica mediante el uso del Método de Elementos Finitos (FEM). Los análisis teórico y experimental muestran en primera instancia que la ecuación de Laplace es adecuada para describir la propagación eléctrica en el cerebro, y en segunda instancia que la estructura geométrica, tamaño y ubicación de la tierra afectan la magnitud del potencial eléctrico, particularmente para modos de estimulación monopolar. Los resultados muestran que para modelos básicos y más realistas pueden existir diferencias en la propagación de hasta un 2900%.