Generování žánrově specifické hudební transkripce Antonína Dvořáka prostřednictvím variačního autoenkodéru

KVAK, Daniel. Generování žánrově specifické hudební transkripce Antonína Dvořáka prostřednictvím variačního autoenkodéru. Musicologica Brunensia. Brno: Ústav hudební vědy, Filozofická fakulta Masarykovy univerzity, 2021, roč. 56, č. 2, s. 49-61. ISSN 1212-0391. Dostupné z: https://dx.doi.org/10.5817/MB2021-2-5.

Základní údaje

• Originální název: Generování žánrově specifické hudební transkripce Antonína Dvořáka prostřednictvím variačního autoenkodéru
• Název anglicky: Generating Genre-Specific Musical Transcriptions of Antonín Dvořák through a Variational Autoencoder
• Autoři: KVAK, Daniel (203 Česká republika, garant, domácí).
• Vydání: Musicologica Brunensia, Brno, Ústav hudební vědy, Filozofická fakulta Masarykovy univerzity, 2021, 1212-0391.

Další údaje

• Originální jazyk: čeština
• Typ výsledku: Článek v odborném periodiku
• Obor: 60403 Performing arts studies
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• WWW: Plný text výsledku WoS full record
• Kód RIV: RIV/00216224:14210/21:00123177
• Organizační jednotka: Filozofická fakulta
• Doi: http://dx.doi.org/10.5817/MB2021-2-5
• UT WoS: 000766749800005
• Klíčová slova anglicky: algorithmic composition; artificial intelligence; autoencoder; deep learning; generative art; LSTM network; machine learning; recurrent neural network
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

Apart from traditional deep learning tasks such as pattern recognition, stock price prediction, and machine translation, this method also finds practical application within algorithmic composition. This paper explores the use of a generative model based on unsupervised learning of a musical style from a pre-selected corpus and the subsequent prediction of samples from the estimated distribution. The model uses a Long Short-Term Memory neural network whose training data contains genre-specific melodies in symbolic representation.

Anotace anglicky

Apart from traditional deep learning tasks such as pattern recognition, stock price prediction, and machine translation, this method also finds practical application within algorithmic composition. This paper explores the use of a generative model based on unsupervised learning of a musical style from a pre-selected corpus and the subsequent prediction of samples from the estimated distribution. The model uses a Long Short-Term Memory neural network whose training data contains genre-specific melodies in symbolic representation.

Návaznosti

• MUNI/A/1102/2020, interní kód MU: Název: Umění – design – média. Výzkum a zprostředkování kreativní produkce v lokálním a mezinárodním kontextu

Investor: Masarykova univerzita, Umění – design – média. Výzkum a zprostředkování kreativní produkce v lokálním a mezinárodním kontextu