hrvatski

Određivanje kompleksnosti glazbenog žanra pomoću generativnih modela neuronskih mreža

Trenutno postoji velik broj različitih žanrova i pod žanrova glazbe. Svaki od žanrova uvelike se razlikuje po kompleksnosti reprodukcije i skladanja. Ovaj rad bavi se generiranjem različitih žanrova glazbe pomoću umjetnih neuronskih mreža s ciljem mjerenja točnosti predviđanja idućeg glazbenog zapisa kako bi se odredila kompleksnost žanra. Koriste se MIDI setovi podataka koji su podijeljeni u različite žanrove glazbe nad kojima se potom vrši treniranje neuronskih mreža. Kako bi se izbjegla mogućnost pristranosti neuronske mreže, koriste se tri različite arhitekture: LSTM, GRU i Transformer. Nad neuronskim mrežama se mjeri točnost svakih 10 epoha treniranja nad testnim setom podataka. Na posljetku se uzima najveća točnost koja pokazuje rezultat predviđanja idućeg tonskog zapisa MIDI datoteke za svaku neuronsku mrežu zasebno. Rezultati mjerenja točnosti predviđanja idućeg zapisa neuronske mreže potvrđuju inicijalnu hipotezu. Žanrovi glazbe uvelike se razlikuju svojom kompleksnošću u vidu predviđanja sljedećeg muzičkog zapisa na temelju prethodnih od strane neuronske mreže. Na taj način moguće je zaključiti da postoji spona između kompleksnosti predviđanja glazbe neuronskom mrežom i žanra glazbe nad kojim je ista trenirana. Pomoću ove tehnike moguće je obraditi bilo koji žanr glazbe i pomoću točnosti dobivene neuronskom mrežom odrediti kompleksnost žanra.

Neuronske mreže, glazba, LSTM, GRU, Transformer

nije evidentirano