Témata prací (Výběr práce)Témata prací (Výběr práce)(verze: 336)
Detail práce
   Přihlásit přes CAS
Generování polyfonní hudby pomocí neurových sítí
Název práce v češtině: Generování polyfonní hudby pomocí neurových sítí
Název v anglickém jazyce: Generating polyphonic music using neural networks
Klíčová slova: Generování hudby, počítačová kompozice, rekurentní neuronové sítě, hluboké učení
Klíčová slova anglicky: Music generation, computational composition, recurrent neural networks, deep learning
Akademický rok vypsání: 2016/2017
Typ práce: bakalářská práce
Jazyk práce: čeština
Ústav: Ústav formální a aplikované lingvistiky (32-UFAL)
Vedoucí / školitel: Mgr. Jan Hajič, Ph.D.
Řešitel: Mgr. Marek Židek - zadáno a potvrzeno stud. odd.
Datum přihlášení: 24.04.2017
Datum zadání: 26.04.2017
Datum potvrzení stud. oddělením: 11.05.2017
Datum a čas obhajoby: 06.09.2017 00:00
Datum odevzdání elektronické podoby:21.07.2017
Datum odevzdání tištěné podoby:21.07.2017
Datum proběhlé obhajoby: 06.09.2017
Oponenti: RNDr. Ladislav Maršík, Ph.D.
 
 
 
Zásady pro vypracování
V posledních letech se začínají používat neuronové sítě v různých oblastech umění jako například stylizace fotek či generování obrázků, a stejně tak přitahuje zájem generování hudby. Hudbu lze modelovat jako sekvenci not, respektive několik paralelních sekvencí not (v případě polyfonní hudby). Pomocí harmonií, tj. předdefinovaných podmnožin možných not, je možné modelovat vztahy v rámci těchto sekvencí, např. dur-mollový systém západní hudby.

Typickou volbou pro zpracování sekvenčních dat jsou rekurentní neuronové sítě. Hudební sekvence představují však pro tyto sítě problém, neboť jsou často periodické, obsahují netriviální závislosti na velké vzdálenosti, a navíc obsahují prvky kreativity a překvapení. Student se seznámí s neuronovými sítěmi ke generování hudby, vybrané modely implementuje a vyhodnotí jejich kvalitu v omezené míře pro generování hudby obvyklé (evaluace generování hudby je sama o sobě obtížný problém, robustní kvantitativní vyhodnocení se neočekává).
Seznam odborné literatury
[1] Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, 2016

[2] Boulanger-Lewandowski, N., Bengio, Y., Vincent, P.: Modeling temporal dependencies in high-dimensional sequences: Application to polyphonic music generation and transcription. In: Proceedings of the 29th International Conference on Machine Learning (ICML-12), 2012.

[3] Eck, D., Schmidhuber, J.: A first look at music composition using LSTM recurrent neural networks. Instituto Dalle Molle Di Studi Sull Intelligenza Artificiale (2002)

[4] Daniel Johnson: Composing music with recurrent neural networks. [online] http://www.hexahedria.com/2015/08/03/composing-music-with-recurrent-neural-networks/ (cited 24. 4. 2016)
 
Univerzita Karlova | Informační systém UK