Thesis (Selection of subject)Thesis (Selection of subject)(version: 336)
Assignment details
   Login via CAS
Generování polyfonní hudby pomocí neurových sítí
Thesis title in Czech: Generování polyfonní hudby pomocí neurových sítí
Thesis title in English: Generating polyphonic music using neural networks
Key words: Generování hudby, počítačová kompozice, rekurentní neuronové sítě, hluboké učení
English key words: Music generation, computational composition, recurrent neural networks, deep learning
Academic year of topic announcement: 2016/2017
Type of assignment: Bachelor's thesis
Thesis language: čeština
Department: Institute of Formal and Applied Linguistics (32-UFAL)
Supervisor: Mgr. Jan Hajič, Ph.D.
Author: Mgr. Marek Židek - assigned and confirmed by the Study Dept.
Date of registration: 24.04.2017
Date of assignment: 26.04.2017
Confirmed by Study dept. on: 11.05.2017
Date and time of defence: 06.09.2017 00:00
Date of electronic submission:21.07.2017
Date of submission of printed version:21.07.2017
Date of proceeded defence: 06.09.2017
Reviewers: RNDr. Ladislav Maršík, Ph.D.
 
 
 
Guidelines
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).
References
[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)
 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html