Generování harmonického doprovodu melodie pomocí neuronových sítí
dc.contributor | Boháč Marek, Ing. : 61118 | |
dc.contributor.advisor | Nouza Jan, prof. Ing. CSc. : 54737 | |
dc.contributor.author | Malena, Jonáš | |
dc.contributor.other | Laboutková Šárka, doc. Ing. Ph.D. Skolitel : 57210 | |
dc.contributor.other | Lukáš David, prof. RNDr. CSc. Konzultant : 55119 | |
dc.contributor.other | Macháček David, Ing. Konzultant2 : 65769 | |
dc.date.accessioned | 2018-10-15T11:53:25Z | |
dc.date.available | 2018-10-15T11:53:25Z | |
dc.date.committed | 2018-5-14 | |
dc.date.defense | 2018-6-12 | |
dc.date.submitted | 2017-10-19 | |
dc.date.updated | 2018-10-15 | |
dc.degree.level | Bc. | |
dc.description.abstract | Práce se zabývá návrhem, učením a vyhodnocením rozdílných modelů, jejichž účelem bylo pro poskytnutou sekvenci tónů (melodii), vygenerovat harmonický doprovod, tvořený akordy.Učení modelu bylo podmíněno tvorbou rozsáhlého datového souboru, složeného z melodických a harmonických dvojic. Ten byl vytvořený zpracováním velkého množství MIDI souborů, do formátu vhodného k reprezentaci neuronovými sítěmi.Oba navržené modely byly založeny na hlubokých rekurentních neuronových sítích. První model byl diskriminativní logistický klasifikátor. Druhý, generativní model, byl založený na variačním autoenkodéru.Dále je popsáno vyhodnocení obou modelů na nezávislých datech. To bylo prováděno pomocí testování shody mezi vygenerovanými a referenčními daty. Dále pak porovnáním vlastností melodie a vygenerovaného doprovodu. | cs |
dc.description.abstract | The aim of this thesis was to design, learn a evaluate distinct models whose purpose was to generate harmonic accompaniment consisting of chords for given melody.The learning was conditioned by the creation of a large dataset consisting of melodic and harmonic pairs. The dataset was created by processing a large ammount of MIDI files, into the format which is more natural for neural networks.Both models were based on deep recurrent neural networks. First model was a discriminative logistic classifier. Second model was generative and based on a variational autoencoder.The evaluation of both models was done on independent data. It was performed using measuring similarity between the generated and the reference data. Another accuracy metric consisted of measuring properties between melody and generated data. | en |
dc.description.mark | ||
dc.format | 42 s | |
dc.format.extent | Ilustrace, Schémata, Grafy, Tabulky 1 1 | |
dc.identifier.uri | https://dspace.tul.cz/handle/15240/32205 | |
dc.language.iso | cs | |
dc.relation.isbasedon | begin*arab* renewcommand*labelenumi**[arabic*enumi*]* item Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence (1), Academia, Praha, 1993. item Bishop Ch.: Pattern Recognition and Machine Learning. Springer, 2006. item Online kurz Machine Learning, dostupný na https://www.coursera.org/learn/machine-learning item A Recurrent Neural Network Music Generation Tutorial dostupný na https://magenta.tensorflow.org/2016/06/10/recurrent-neural-network-generation-tutorial end*arab* | |
dc.rights | Vysokoškolská závěrečná práce je autorské dílo chráněné dle zákona č. 121/2000 Sb., autorský zákon, ve znění pozdějších předpisů. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou https://knihovna.tul.cz/document/26 | cs |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act. https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics https://knihovna.tul.cz/document/26 | en |
dc.rights.uri | https://knihovna.tul.cz/document/26 | |
dc.rights.uri | https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf | |
dc.subject | neuronová síť | cs |
dc.subject | hudba | cs |
dc.subject | neural network | en |
dc.subject | music | en |
dc.title | Generování harmonického doprovodu melodie pomocí neuronových sítí | cs |
dc.title | Using neural nets for generating harmonic accompaniment for a melody | en |
dc.title.alternative | cs | |
dc.type | bakalářská práce | cs |
local.degree.abbreviation | Bakalářský | |
local.degree.discipline | IT | |
local.degree.programme | Informační technologie | |
local.degree.programmeabbreviation | B2646 | |
local.department.abbreviation | ITE | |
local.faculty | Fakulta mechatroniky, informatiky a mezioborových studií | cs |
local.faculty.abbreviation | FM | |
local.identifier.author | M15000042 | |
local.identifier.stag | 36853 | |
local.note.administrators | automat |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- BP_Jonas_Malena_oponent.pdf
- Size:
- 601.3 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek_oponenta_VSKP
Loading...
- Name:
- BP_Jonas_Malena_vedouci.pdf
- Size:
- 719.98 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek_vedouciho_VSKP
Loading...
- Name:
- malena.pdf
- Size:
- 281.26 KB
- Format:
- Adobe Portable Document Format
- Description:
- Prubeh_obhajoby_VSKP