Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě – Bc. Daniel Kvak
Bc. Daniel Kvak
Diplomová práce
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Modeling of music transcription using deep learning: proposal, construction and validation of model based on recurrent neural network
Anotace:
Vyjma tradičních úloh hlubokého učení, mezi které řadíme rozpoznávání vzorů, předpověď cen akcií či strojový překlad, nachází tato metoda praktické využití i v rámci algoritmické kompozice. Tato diplomová práce zkoumá využití generativního modelu k nesupervizovanému učení hudebních stylů z předem selektovaných korpusů a následnou predikci vzorků z odhadované distribuce. Model využívá Long Short-Term …víceAbstract:
Apart from the traditional tasks of deep learning, which include pattern recognition, stock price forecasting or machine translation, this method also finds practical use in algorithmic composition. This diploma thesis examines the use of a generative model for unsupervised learning of musical styles from pre-selected corpora and the subsequent prediction of samples from the estimated distribution …víceKlíčová slova
algoritmická kompozice autoenkodér hluboké učení komputační kreativita LSTM síť rekurentní neuronová síť strojové učení umělá inteligence algorithmic composition autoencoder deep learning computational creativity LSTM network recurrent neural network machine learning artificial intelligence
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 25. 5. 2021
Identifikátor:
https://is.muni.cz/th/wll0u/
Obhajoba závěrečné práce
- Obhajoba proběhla 17. 6. 2021
- Vedoucí: doc. PhDr. Martin Flašar, Ph.D.
- Oponent: doc. Mgr. Jana Horáková, Ph.D.
Citační záznam
Citace dle ISO 690:
KVAK, Daniel. \textit{Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě}. Online. Diplomová práce. Brno: Masarykova univerzita, Filozofická fakulta. 2021. Dostupné z: https://theses.cz/id/3ffenx/.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Filozofická fakultaMasarykova univerzita
Filozofická fakultaMagisterský studijní program / obor:
Teorie interaktivních médií / Teorie interaktivních médií
Práce na příbuzné téma
-
Modul LSTM a Rekurentních neuronových sítí pro program Modeler neuronových sítí
Jiří Lagan -
Rekurentní neuronové sítě v modelování chyb virtuálního serveru
Ondřej Šprync -
Rekurentní neuronové sítě pro rozpoznávání řeči
Tomáš Nováčik -
Rekurentní neuronové sítě pro analyzování sekvenčních dat
Valeriia Iegorova -
Rekurentní neuronové sítě v počítačovém vidění
Jan Křepský -
Rekurentní neuronové sítě pro klasifikaci textů
Vojtěch Myška -
NSE Stock market prediction using Deep Recurrent Neural Network and comparison with ARIMA
Adithyan C Pankajakshan -
Artificial Neural Network for Precipitation Nowcasting
Vladimíra Hežeľová