Deep Learning : neural networks for generating music
Santiago de Toro, Manuel
Vilariño Freire, Fernando, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Aprendizaje profundo : redes neuronales para generar música
Títol variant:	Aprenentatge profund : xarxes neuronals per generar música
Data:	2018-07-03
Resum:	Durante los últimos años se está debatiendo si la inteligencia artificial es capaz de generar arte como si de una persona se tratase. El objetivo de este proyecto es crear música de manera artificial sin que se pueda apreciar si ha sido creada por una máquina o por un artista. Por consiguiente, se realizan diferentes experimentos para determinar si es mejor entrenar con un conjunto de datos especializados de entrenamiento o con un conjunto más amplio sin especializar. Además, se quiere observar cómo influye el batch size en este entrenamiento. Como consecuencia, para ello, la base se parte des del proyecto Folk-rnn [1] de IraKorshunova. Asimismo, la generación de música folk irlandesa se realiza mediante una red neuronal de tipo recurrente (RNN). Ésta posee bloques de larga memoria a corto plazo (Long Short-Term Memory LSTM) y está implementado en python con la librería Theano. Por lo que respecta al formato que se utiliza para entrenar la red y crear música es ABC [2] y se tratan las notas musicales como caracteres.
Resum:	During the last years, it is being debated whether an artificial intelligence is capable of generating art as if it was a person. The objective of this project is to create music in an artificial way, without have been able to appreciate if it has been created by an artist or a machine. In addition, different experiments are carried out to determine if training with a specialized data set of training is better than with a larger set without specializing and how batch size influences training. This is part of the project Folk-rnn [1] IraKorshunova. Likewise, the generation of Irish folk music is carried out through a recurrent type of neural network (RNN). It has blocks of long term memory (Long Short-Term Memory LSTM) and is implemented in python with the Theano library. Regarding the format that is used to train the network and create music is ABC [2] and treat the musical notes as characters.
Resum:	Durant els últims anys s'està debatent si la intel·ligència artificial és capaç de generar art com si d'una persona es tractés. L'objectiu d'aquest projecte és crear música de manera artificial sense que es pugui apreciar si ha estat creada per una màquina o per un artista. Per tant, es realitzen diferents experiments per determinar si és millor entrenar amb un conjunt de dades especialitzats d'entrenament o amb un conjunt més ampli sense especialitzar. A més, es vol observar com influeix el batch size en aquest entrenament. Com a conseqüència, per a això, la base es parteix des del projecte Folk-RNN [1] de IraKorshunova. Així mateix, la generació de música folk irlandesa es realitza mitjançant una xarxa neuronal de tipus recurrent (RNN). Aquesta posseeix blocs de llarga memòria a curt termini (Long Short-Term Memory LSTM) i està implementat en python amb la llibreria Theano. Pel que fa al format que s'utilitza per entrenar la xarxa i crear música és ABC [2] i es tracten les notes musicals com caràcters.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Castellà
Titulació:	Grau en Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Àrea temàtica:	Menció Computació
Matèria:	RNN ; LSTM ; Música ; Folk ; ABC ; Generació ; Deep learning ; Xarxes neuronals ; Art ; Theano ; IA ; Creative

15 p, 1.1 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG