D'accord.
Bien, Merci, tout le monde, pour joindre nous.
La Titre de notre projet
est Concevoir un Numérique Musique Mélodie Audience Test.
je suis patrick Julien,
et ma co- présentateurs sommes Charles Chen et le maçon Chen
qui ne pouvait pas être ici aujourd'hui.
Alors je suis Aller à être en présentant sur leur au nom de.
Et cette est un projet,
un haute- école TIGE projet inspiré par La méthodologie ESTEEM,
qui est fondamentalement TIGE mais avec IA, math, et statistiques bien- intégré.
D'accord, alors juste à introduire cette projet
dans la projet la gestion saveur avec la projet charte.
La objectif de la projet, dans effet, est à motif un test
à test la audience aptitude de un musicien.
La expérimental motif, philosophie ou méthodologie nous utilisation
est JMP puissant, définitive dépistage motif aptitude.
Et nous conçu la test basé sur six musique mélodie variables
dans ordre à test audience aptitude,
où chaque question départs avec un court mélodie
suivi par quatre les choix, et où seulement une est répété
et la autre Trois mélodies sommes similaire mais ne pas identique.
De cette test, chaque auditeur a à prendre leur meilleur choix
parmi la choix disponible.
Une fois que nous conçu cette test, nous analyser la test enquête résultats.
Nous construire un sensibilité maquette
dans considération de six musique audience variables,
et alors filtrer la les auditeurs à déterminer qui ceux effectué la meilleur
dans la musique audience test.
Et dans Faire alors, dans la dépistage traiter,
nous analyser la forces et faiblesses de leur audience aptitude
dans la service de en fin de compte créer un orchestre
avec un classement de les auditeurs qui sommes très capable à évaluer leur.
Bon alors dans la service de la science,
nous ont un introduction à la mécanisme de audience
où la oreille est juste fondamentalement un la fréquence- recevoir appareil
ce recueille du son et vibration de la osselets dans la oreille
et cause la mécanique vibration à être converti
dans un électrique stimulus, qui est interprété par la cerveau
par la auditif nerf et en fin de compte par la cerveau.
Tout droit, alors avant de nous obtenir dans la expérience
et la variables ce nous analysé,
allons parler un peu bit sur la la fréquence intervalle de audience
parmi personnes en fonction, dépendemment sur leur âge.
Alors personnes de tout âge sans pour autant audience déficience
devrait être pouvoir à écouter à un la fréquence de approximativement 8 000 Hertz,
et graduel perte de sensibilité à plus haut fréquences avec âge
est un Ordinaire occurrence.
Et alors Quel la la science raconte nous
est ce la auditif structures de plus jeune personnes
sommes typiquement Suite capable de absorbant ou interprétant
audience plus haut la fréquence des sons, qui est, de cours,
pertinent dans termes de qui instruments personnes sommes en jouant,
où la violon a un plus haut terrain que la violoncelle,
alors peut-être un plus jeune la personne force être Suite adapté
pour en jouant la violon que un plus âgée la personne.
Et alors cette juste donne tu un idée ce fondamentalement
personnes ce sommes dans leur la cinquantaine peut être peut seulement être pouvoir à écouter
à 12 000 kilohertz... ou 12 kilohertz plutôt, 12 000 Hertz,
tandis que personnes dans leur 20s boîte écouter en haut à peut-être 18 kilohertz.
Et juste à donner quelques le contexte, la moyen la fréquence intervalle
pour Quel nous Ecoutez pour la des sons ce nous écouter plus souvent tous journée
est entre 250 Hertz et 6 000 Hertz.
D'accord, alors Quel sommes quelques défis associée avec audience
dans la le contexte de des sons de différent la fréquence?
Alors personnes typiquement Mademoiselle haute la fréquence des sons
Suite souvent que bas la fréquence ceux.
Et personnes avec haute la fréquence audience perte,
elles ou ils ont difficulté audience plus haut- lancé des sons, de cours, droit?
Et alors plus haut terrain des sons boîte d'habitude viens de femmes ou enfants
et sommes dans la plus haut deux à huit gamme de kilohertz.
Et qu'est-ce que c'est aussi typique
avec haute la fréquence audience perte dans de nombreux personnes
est la présence de un fantôme du son, qui est la condition appelé acouphène,
et ce en compétition sensation de du son boîte aussi inhiber un personne aptitude
à distinguer autre haute la fréquence des sons.
Alors clairement, âge est un important facteur dans termes de conception
un efficace audience test et développement un efficace panneau de les auditeurs
qui sommes à l'écoute à musique.
Bien que nous n'a pas explicitement envisager âge dans notre expérience,
comme tu vas voir dans la subséquent diapositives,
ce absolument pourrait être un facteur ce nous pourrait explorer plus loin
dans notre échantillonnage stratégie dans termes de la enquête répondants ce nous choisir.
D'accord, alors la de base mesure de performances auditives
est appelé un audiogramme.
Et Quel tu voir dans la graphique sur la droit
est juste un terrain de audience au seuil niveau dans décibels sur la vertical axe
contre la fréquence sur la horizontal.
Et tu boîte clairement voir ce comme audience perte progresse,
la au seuil niveau de du son et décibels départs à augmenter
et la dégradation et la performance est montré comme la terrain
scission la performance par an en mouvement vers le bas dans la droit.
C'est la trajectoire de la ligne c'est de liaison la points
en mouvement vers le bas dans la droit.
D'accord, alors juste un peu bit Suite Contexte
avant de nous lancement dans la motif de la enquête et la une analyse.
La intention ici est juste à mettre l'accent sur
ce la fréquence ingérence boîte être un problème
dans produire un mélodieux harmonie dans un orchestre dans particulier
ou dans n'importe quel trier de musical composition.
Et Quel étaient fondamentalement montrant ici
est la différence entre qu'est-ce que c'est appelé fondamental fréquences et harmoniques
dans la le contexte de un piano,
à moins à la Remarque échelle indiqué à la fond.
Bon alors Quel fais nous connaître sur la musique Remarque la fréquence spectre?
Bien, chaque Remarque a, ne pas étonnamment, basé sur la introduction alors loin,
chaque Remarque a un particulier la fréquence.
Comme un Exemple, milieu C est à autour de 262 Hertz,
et plus haut Remarques, de cours, sommes Aller à ont plus haut la fréquence
et plus bas Remarques ont plus bas la fréquence.
Et cette faire glisser juste donne tu un le contexte
pour Quel fréquence la Remarques correspondre à.
Alors Remarque UN est autour de beaucoup plus haut, 440,
alors Remarque C au 261 dans la deuxième Positionner sur la droit,
dans la plus bas portion de la faire glisser.
D'accord, alors il y a quelques relation entre la fréquence et la Numéro de Remarques.
La fréquence Besoins à double tous 12 Remarques,
et nous ont 12 notes dans chaque octave, Sept blanche et cinq le noir.
Et alors tu boîte voir ce cette relation,
ce la fréquence suit comme un fonction de ces Remarques,
et n est un Puissance- droit taper relation.
Tout droit, alors prise nous retour à présent à la projet
et la la mise en oeuvre et la une analyse.
Alors la projet planifier a Trois étapes.
La première phase est Quel je suis Aller à couverture,
c'est la une analyse ce je suis Aller à discuter aujourd'hui.
La première phase est effectivement la traiter de identifier
qui personnes sommes meilleur audience interprètes de un le recueil de enquête résultats
ce nous envoyer dehors basé sur la enquête ce nous conçu.
La deuxième phase est identifier la meilleur audience interprètes
de la enquête résultats dans ordre à servez comme juges.
Dans cette phase, fondamentalement, nous essayer à travailler sur formant la orchestre
préalable à phase Trois où étaient réellement Faire la formant.
Mais dans cette exemple, étaient en pensant sur des choses
Comme qui instruments ont n'importe quel potentiel limitation.
Et nous peut donner la même mélodie à différent test instruments,
et ne pas tous instrument boîte jouer tous mélodie, évidemment.
Et alors la idée est,
comment fais nous connaître ce la personnes ce sommes en jouant
sommes en jouant ces instruments avec précision?
Bien, nous besoin juges qui ont bien écoute aptitude.
Alors la juges ce nous sélectionner de phase une
sera apporter ce excellent évaluation dans phase deux.
Alors une fois nous ont ce dans place, dans phase Trois,
nous boîte réellement vraiment formulaire la numérique orchestre.
Et bien pense sur des choses Comme comment de nombreux joueurs devrait être impliqué,
qui devrait jouer où, évidemment.
Bien ont un bien entente de comment la mélodies pourrait être difficile
pour certain instruments.
Et cette est Pourquoi nous besoin phase deux dans la milieu.
D'accord, alors voici notre motif ou enquête question motif.
Alors nous avons identifié six variables pour cette audience test
en relation à musique, Les paramètres dans musique:
marcher, la rapidité, Remarques modifié, Remarques niveau, un répéter variable,
et un difficulté variable, un catégorique variable, facile ou difficile.
La expérience, comme je mentionné avant de, est étaient utilisant JMP DDD,
et dans ajout à la défaut, étaient générateur un DSD par défaut,
et alors dans effet, étaient augmentant la conception
par ajouter deux Suite points centraux.
Étaient donc Faire un 18- Cours DDS,
qui comprend une Point central, qui est ligne Numéro Trois dans cette table,
avoir indiqué avec un zéro et un La Flèche mise en évidence ligne Trois.
Et alors étaient ajouter deux Suite centre points
à ligne 10 et ligne 20 respectivement.
Et la idée ici dans termes de, étaient remplacer ces points centraux,
est nous vouloir à obtenir un idée de comment cohérent la résultats sommes
à travers la expérience.
Alors nous essayer à mettre un point central à peu près à la début, dans la milieu,
et la fin de la expérience.
Et cette est analogue à entente qu'il s'agisse un la mesure traiter est écurie,
si tu es dans un fabrication environnement, obtenir un sens pour ce.
Et alors la autre important chose sur notre motif ici
est ce étaient randomisation la test séquence,
et c'est quelque chose ce nous boîte fais dans JMP via la génération de la motif.
Et Je vais Afficher un peu bit sur ce brièvement
lorsque nous viens à la Suivant peu diapositives.
Et ce randomisation est vraiment important car ce aide éliminer n'importe quel biais
exigible à les facteurs ce ne sont pas dans la expérience
lorsque nous Cours la test.
Et ce biais est référé à quelquefois comme cachette variation
ou variation exigible à cachette variables.
D'accord, alors il y a une autre considération ce je touché sur.
C'est dans la le contexte de randomisation, mais c'est légèrement différent le contexte,
qui est un peu bit Suite unique
à cette particulier application et expérience.
Et alors fondamentalement, Quel nous a fait est généré un initial Aléatoire variable
et attribué un Aléatoire séquence, un deux trois quatre, et aléatoire.
Mais nous a fait un recodage sur ce.
Alors nous étiqueté une UN, deux B, Trois C, et quatre D,
et ce' c'est quoi nous voir
dans termes de identifier la corriger réponse.
Alors dans la deux Colonnes à la droit dans cette table,
dans cette 20- ligne table,
étaient identifier Quel la corriger réponse devrait être
dans termes de la lettre,
qui est associée avec un Aléatoire variable de un deux trois quatre,
w ici une correspond à UN, deux à B, Trois à C, et quatre à RÉ.
Et étaient Faire cette à assurer un uniforme Distribution
de la emplacement variable.
Et fondamentalement Quel ce moyens dans pratique termes est ce A, B, C, et ré
tout ont égal pourcentage de étant choisi à Aléatoire.
Et cette est à éviter de la biaiser situation
où un étudiant peut prendre la même réponse plus de et plus de encore
dans ordre à peut-être augmenter le sien ou son chances de effectuer bien,
ou peut-être car la enquête intimé n'est pas payant attention
ou n'est pas engagé dans la enquête.
D'accord, alors ici est où nous viens à un évaluation
de la performance de la motif, de la DSD motif.
La façon nous approcher cette
est à travers la évaluation de la statistique Puissance de la expérience
qui est montré sur la la gauche, sur le panneau sur la la gauche
à travers un évaluation de la confondant motif
ou la Le degré à qui les facteurs sommes corrélé dans la expérimental motif,
et c'est montré dans la panneau dans la milieu,
et la uniformité, Quel nous appel la uniformité de la motif,
qui est simplement, Quel Est-ce que la structure de la motif voir Comme
dans un multivarié espace?
Ont nous couvert tout de la motif points dans un approximativement uniforme façon
alors ce étaient pouvoir à prédire de l'autre côté la entier intervalle de la expérience
avec la même diplôme de précision?
Et alors ces Trois indiquer, et Aller retour plus de à la la gauche,
est ce la globalement Puissance pour chaque de la les facteurs dans la expérience
est plus grand que 90 pour cent, qui est bien.
Et ce spectacles nous ce nous ont bien sensibilité à détecter effets,
si ils sont réellement là dans la population.
La panneau dans la milieu spectacles
ce la risque de Quel nous appel multicolinéarité
ou excessif corrélation parmi la expérimental les facteurs est bas
car tout de la par paire corrélations dans cette corrélation matrice,
plus de leur sommes bleu,
où un Suite bleuâtre corrélation correspond à un plus bas corrélation,
où solide bleu indique zéro corrélation.
Et la carrés ce sommes plus proche à un rouge ombres
indiquer un plus haut Le degré de corrélation parmi les facteurs ou termes dans la expérience.
Et alors globalement, Quel nous voir est ce nous voir pour corrélations
ce ne le faites pas dépasser 0,3,
et c'est typiquement tout la carrés dans cette terrain
avec la exception de ceux légèrement rougeâtre carrés
où la corrélation est un peu bit plus haut.
Et c'est car nous ont catégorique les facteurs, droit?
Nous ont à moins une catégorique facteur dans cette expérience.
Et si nous n'a pas ont la présence de un catégorique facteur,
cette terrain aurait voir même plus bleu.
Alors nous dire ce dans DDD, nous ne le faites pas recommander
ajouter aussi de nombreux catégorique variables dans la expérience,
car si nous fais, alors nous augmenter cette corrélation problème,
qui affecte notre aptitude à produire estimations dans notre maquette ce sommes précis,
pistes à inflation de variance dans notre estimations.
Et la final terrain sur la droit, sur la loin droit,
qui est un indication de la uniformité de cette motif,
est un dispersion terrain matrice dans JMP,
et ce spectacles chaque variable contre tous autre variable.
Et Quel étaient en regardant pour
est pour blanche espace à être minimal dans cette terrain.
Quoi j'ai dessiné est un peu cercle ici qui ton œil boîte facilement prendre dehors.
Il y a un peu bit de En plus blanche espace là
à la intersection de Répéter et Marcher.
Et ce, encore, est car nous ont un catégorique variable dans notre expérience.
Et alors sincèrement,
il y a non parfait zéro dans la principale effets,
non vrai point central dans la principale effets
exigible à la présence de ce difficulté variable,
la catégorique variable.
Et c'est reflété dans la non- symétrique motif
de la dispersion terrain matrice sur la droit, légèrement non symétrique,
où ce asymétrie est indiqué dans ce blanche espace
et avec la cercle ce j'ai dessiné.
D'accord, alors avant de je discuter cette faire glisser, je juste vouloir à rapidement Afficher tu
comment je a obtenu à ces motif Diagnostique.
Alors Quel tu es voyant ici est la table ce je juste montré tu.
Et j'ai généré cette motif utilisant la DSD Plate-forme en dessous de la BICHE menu,
en dessous de Définitive Dépistage et Définitive Dépistage Concevoir.
Et après je a fait ce, JMP déjà produire,
après je Achevée la motif table génération traiter
et remplir dans la résultats, JMP génère un DOE dialogue scénario,
sauve ce à la Les données table,
et je boîte réellement relancer la BICHE dialogue,
et je boîte aussi évaluer la motif.
Alors je suis Aller à aller en avant et rapidement Cliquez sur sur Concevoir Évaluation.
Et cette est juste un Aperçu de la motif.
Et droit ici en dessous de Concevoir Évaluation
est où je obtenir la Diagnostique en relation Haut eur,
qui je montré tu sur la la gauche panneau sur ce faire glisser,
la Diagnostique ce indiquer
à la Le degré à qui les facteurs ou termes dans la expérience sommes corrélée.
Et c'est montré ici dans la Couleur carte sur la corrélation.
Et à produire la terrain,
en regardant à la uniformité parmi la les facteurs,
je réellement ont à aller dans et fais ce en s chat terrain matrice
en dessous de la Graphique menu, S chatière Matrice.
Alors c'est juste quelques le contexte pour tu.
Et à présent, je suis juste Aller à rapidement apporter en haut la Suivant faire glisser
et alors viens retour à JMP ici
juste à dynamiquement Afficher tu Quel étaient Faire.
Alors voici Probablement la plus intéressant partie
de cette expérience.
Comment fais nous augmenter la enquête test difficulté
et fais ce dans un intelligent façon?
Bien, nous boîte utilisation hiérarchique regroupement une analyse à fais ce.
À présent, nous déjà connaître la corriger réponse.
C'est indiqué ici dans la correspondant colonne.
La Choix colonne,
la Colonnes de la quatre variables sur la droit
qui indiquer la les choix correspondant à la 20 mélodie les choix
sommes indiqué là.
Alors nous connaître, pour Exemple, dans la première ligne,
la corriger la réponse est C correspond à mélodie un
où la ID C Numéro est une.
Alors nous déjà connaître la corriger réponse
où nous avons attribué ce dans termes de ligne ordre basé sur un Aléatoire Numéro,
mais comment fais nous prendre la autre Trois réponses?
Bien, basé sur hiérarchique regroupement,
nous boîte obtenir un sens de comment proche chaque de la autre Trois réponses sommes
à la corriger réponse.
Et dans cette façon, nous boîte Fabriquer la test un peu Suite difficile.
Alors tout la réponse les choix sommes de la 20 mélodies.
Comment fais nous prendre la plus proche formalités pour chaque question,
ou la le plus proche formalités, si tu sera,
ou même peut être mélodies ce sommes relativement proche ensemble
basé sur la regroupement critère, mais ne pas honorer ce critère strictement,
droit?
Alors cette force sembler un peu bit nébuleux,
mais dans effet, tout étaient vraiment Faire
est récit JMP à attribuer un regroupement schème par ligne
et basé sur quelques regroupement critère ce nous spécifier.
Et par défaut, ce critère est Salle.
Alors je suis juste Aller à Afficher ce dynamiquement ici.
Alors je ont la table ouvert.
Tout je a fait ici est Cours Hiérarchique C lustre en dessous de le C lustré menu.
Et une fois que je couru cette, je est allé en avant et invoquer Groupes résumés,
qui je tourné sur ici.
Et alors Regardez Quel arrive ici lorsque je Cliquez sur sur chaque de ces groupes.
Alors tu boîte voir ce lorsque je Cliquez sur sur chaque de ces groupes.
Ces sommes la groupes.
Alors sept et 18 sommes associée avec chaque autre r,
14 et 17, huit et neuf, ligne deux et 13, et alors sur.
Alors cette est la idée.
Étaient utilisant la Puissance de JMP à identité Lignes
ce sommes associée avec chaque autre.
Et dans cette façon, par organiser la réponse les choix proche à chaque autre,
nous Fabriquer ce relativement proche à chaque autre par Suivant quelques schéma Comme cette,
nous Fabriquer la test Suite difficile.
D'accord, alors juste lancement retour dans diapositives ici encore.
D'accord.
Tout droit, alors fondamentalement la dernière marcher ici dans termes de achever cette expérience
est dans ajout à utilisant un passif Critères pour en augmentant la difficulté de la test,
nous vouloir un actif Critères.
Alors nous vouloir à être pouvoir à séparé,
dans effet, la débutant niveau de la Avancée niveau.
Alors pense de ce Comme cette.
Si tous question a été super difficile
ou si tout la les choix étaient très dur à discriminer de,
alors tu ne serait pas être pouvoir à distinguer entre un Avancée- niveau intimé
et un débutant- niveau intimé
car Tout le monde aurait Mademoiselle tout de la des questions.
De la même manière, si tu fabriqué tout la des questions aussi facile,
alors tu ferais ont tout experts et non débutants,
et alors tu ont non différenciation.
Alors basé sur la la science, nous ont un hypothèse ce marcher et la rapidité
sommes la plus important les facteurs pour performance,
pour audience performance, pour discriminant entre un bien mélodie,
un bien composition, et un mal musical composition
et un mal une.
Alors sommes nous Bien sur sur ce?
Bien, une chose nous boîte fais est nous peut re code la marcher et la rapidité
par un 50 % de réduction
si c'est en difficulté niveau égal à difficile.
Et par Faire ce, dans effet, nous toujours ont cinq variables
et ceux sommes indiqué dans la ombragé, droit?
Alors la recodé marcher, recodé la rapidité sommes la deux Colonnes ce sommes ombragé.
Et alors nous ont la Remarques modifié, la Remarques niveau, et la répéter.
Alors la DSD est toujours orthogonal.
Nous toujours ont Trois niveaux.
Nous ont cinq variables,
mais réellement nous pourrait intégrer en haut à six dans la DSD motif.
Alors comment fais nous augmenter notre évaluer dans effet par en augmentant ce variable Numéro à six?
Bien, nous boîte ajouter la difficulté variable ou la catégorique variable
qui indique Soit facile ou difficile.
Alors nous décidé à utilisation marcher et la rapidité, combiné avec ces autre Trois variables,
et la total goûter Taille est toujours 18 plus 2 ou 20
avec la deux centre points et la une Point central par défaut.
Mais à présent, nous obtenir cinq niveaux pour la rapidité et marcher, ne pas Trois.
Donc par Faire cette peu transformation,
nous intelligemment créer cinq niveaux sur deux variables
Au lieu de juste ayant Trois niveaux,
qui est typiquement Quel nous aurait ont dans un DDS.
Alors je pense cette est un unique approcher
c'est aussi assez spécifique à cette problème le contexte
et donne nous Suite niveaux dans notre motif.
Bon alors cette est notre motif.
Comment sommes nous Aller à créer le...
Quoi Logiciel sommes nous Aller à utilisation à fondamentalement produire la audience essais ?
D'accord, bien, cette est juste un Aperçu de Musique S logiciel S synthétiseur,
qui est Quel nous utilisation, mou, tendre synthé.
Et nous utiliser ce à créer
24 plusieurs choix musique mélodie audience essais.
C'est évidemment pratique et portable et vite.
Tout droit, alors comment fais nous distribuer cette enquête intelligemment ?
Bien, notre approcher est...
De nombreux personnes fais une échantillonnage méthode.
Mais ici, notre approcher est à intégrer tout la différent échantillonnage méthodologies,
groupe échantillonnage, stratifié, et quelques Additionnel regroupement dans
dans ordre à distribuer la enquête à la droit spectateurs
à Fabriquer la enquête la plus utile.
Alors lorsque tu es prêt à envoyer dehors la questionnaire, comment fais tu fais ce?
Bien, j'ai quelques exemples ici.
Qui devrait jouer la musique?
Bien là sommes personnes qui connaître la musique et personnes qui ne le faites pas.
Alors nous seulement vouloir à envoyer la enquêtes
à personnes qui sommes déjà familier avec la musique, droit?
Car en fin de compte, nous vouloir à utilisation ces personnes
à évaluer la performance de un orchestre.
Dans le stratifié échantillonnage sens, nous ont différent sortes de instruments.
Nous peut ont cinq étudiants dans un particulier bassin
ce connaître comment à jouer piano,
nous peut ont deux ce connaître comment à jouer violon,
et nous peut vouloir à goûter intelligemment
alors ce nous seulement prendre un certain Numéro dans chaque couches de joueurs,
personnes qui jouer particulier instruments.
Alors nous peut prendre au hasard dans chaque de ces couches
dans un certain échantillonnage évaluer.
Et encore, avec respect à regroupement,
nous boîte pense de emplacement dans termes de pratique emplacement ou géographie
comme un sélection de de nombreux différent géographies.
Dans un sens, nous groupe et limite notre sélection Critères
à seulement la San Francisco Baie Région,
car pratiquant dans la personne est beaucoup Plus facile que pratiquant virtuellement.
D'accord, alors vraiment la indiquer est ce cette enquête dissémination
et enquête Les données le recueil processus est très holistique
et augmente notre chances de produire un efficace test Positionner, si tu sera,
de évaluateurs à aider nous formulaire la plus haute- effectuer orchestre.
Bon alors rapidement, à envelopper tout en haut,
nous étudié la Humain audience la fréquence intervalle,
la instrument la fréquence spectre, la musique la fréquence formule,
et nous conçu un innovant musique mélodie audience test utilisant DDS.
Nous aussi mis en œuvre deux intéressant approches
à augmenter la difficulté de la test, hiérarchique regroupement,
comme bien comme remise à l'échelle la niveaux
de la plus important prédicteurs sur notre réponses pour la test réponses.
Et nous utilisation la musique synthétiseur Logiciel
à fondamentalement disséminer la audience test de l'autre côté la six musique mélodie variables.
Et dans notre stratégie pour dissémination, nous utilisation la holistique échantillonnage méthodologie.
Alors cette dans fermeture, quelques de la approches ce nous utilisation
et la la science ce nous développé pourrait être utilisé à développer un audience aide,
une musique mélodie audience aide.
Et dans notre courant marché ce étaient au courant de,
audience les aides sont vraiment spécialement conçu pour personnes avec audience perte,
mais la idée ici aurait être, comment sur fabrication un audience aide
c'est sur amplifier un certain signal de bruit, droit?
Et ce aurait, dans effet,
augmenter musique mélodie audience et détection, droit?
Et donc le principale objectif ici
aurait être à bloquer dehors bruit c'est étranger,
pour Exemple, bruit de la spectateurs, et alors amplifier la signal portion
pour la particulier fréquences ce sommes important
pour en jouant un particulier instrument, ou même utilisant cette taper de La technologie
à même dehors la terrain, à amplifier la transition entre mélodies.
Et alors dans avenir travailler, un similaire DSD motif boîte être mis en œuvre
dans conditions de développement cette gentil de La technologie.
Alors remercier tu très beaucoup pour écoute et laisser nous connaître si tu ont n'importe quel des questions.
