Generación automatizada de música Público Deposited
Crear modelos matemáticos para explicar y generar música ha sido un campo desafiante debido a la relación inherente que el humano le da a la música con la creatividad, emociones y sentimientos. En las últimas décadas en el área de la Inteligencia Artificial (IA), han surgido distintas propuestas para la clasificación y generación de música mediante técnicas de aprendizaje profundo abordando distintos enfoques en la manipulación de conceptos musicales y distintas arquitecturas de Aprendizaje Maquinal (ML: Machine Learning). En este trabajo es de interés la creación y evaluación de un modelo generativo para la composición de música polifónica mediante técnicas de ML. Se propone un modelo a base de una arquitectura que consta de Redes Neuronales Recurrentes (RNN: Recurrent Neural Network). Para generar la melodía de un primer instrumento principal, se explora y evalúa el desempeño de dos arquitecturas: a base de RNN de Memoria a Largo y Corto Plazo (LSTM: Long Short-Term Memory) y Unidad Recurrente Cerrada (GRU: Gated Recurrent Unit), para esto, se analiza el efecto de modificar algunos hiperparámetros en las RNA (Redes Neuronales Artificiales) utilizadas, después se emplean arquitecturas similares que constan de RNN para generar el acompañamiento. También se explora el impacto de utilizar la técnica de muestreo de temperatura en la decodificación de las RNN y se compra con un muestro por búsqueda codicioso. Los resultados muestran el reto que implica evaluar la calidad de las melodías generadas a partir de este tipo de técnicas. También se observa que, bajo ciertas condiciones, las arquitecturas propuestas muestran un rendimiento diferente.
Relaciones
En Conjunto Administrativo: |
---|
Descripciones
Nombre del atributo | Valores |
---|---|
Creador | |
Colaboradores | |
Tema | |
Editor | |
Idioma | |
Identificador | |
Palabra Clave | |
Año de publicación |
|
Tipo de Recurso | |
Derechos | |
División académica | |
Línea académica | |
Licencia |