Ενδιάμεσα Χαρακτηριστικά Μουσικής στη Νευρωνική Μάθηση

Abstract

Η ανάκτηση πληροφορίας από τη μουσική έχει ευνοηθεί από τη ψηφιοποίηση της μουσικής. Μεγάλος όγκος δεδομένων μουσικής είναι εύκολα διαθέσιμος. Η εφαρμογή της Μηχανικής Μάθησης σε αυτόν έχει απαντήσει σε πολλές προκλήσεις. Κάποιες από αυτές είναι η δημιουργία Συστημάτων Προτάσεων Μουσικής, η ταξινόμηση της μουσικής σε είδη και σε συναισθήματα ακόμα και η δημιουργία μουσικής. Στη διπλωματική αυτή ασχοληθήκαμε με το πρόβλημα της ταξινόμησης της μουσικής με βάση τα συναισθήματα. Η προσέγγιση μας βασίστηκε στη ταξινόμηση της σε πρώτο στάδιο σε ενδιάμεσα χαρακτηριστικά, τα οποία είναι εύκολα κατανοητά από τον άνθρωπο, και σε δεύτερο στάδιο στη σύνδεσή τους με τα συναισθήματα. Με αυτό το τρόπο δόθηκε ερμηνεία της ταξινόμησης των τραγουδιών με βάση τα συναισθήματα. Στα πειράματα μας δοκιμάσαμε νέες αναπαραστάσεις της μουσικής με τη χρήση του Spotify API. Κάναμε πειράματα με πληθώρα αρχιτεκτονικών νευρωνικών δικτύων παρατηρώντας την επίδραση που έχει σε αυτά η ρύθμιση των υπερ-παραμέτρων τους. Ορισμένες από τις πολλές τεχνικές ομαλοποίησης που δοκιμάσαμε βασίζονται στην Εκμάθηση Αναπαραστάσεων (Representation Learning) και στη προ- εκπαίδευση (pre-training). Δοκιμάσαμε διάφορα πειράματα ταξινόμησης της μουσικής με τη αναπαράσταση χαρακτηριστικών του Spotify API. Από τα πειράματα βγάλαμε συμπεράσματα για την ακρίβεια της αναπαράστασης της μουσικής με MFCCs και με χαρακτηριστικά του Spotify API.Συγκρίναμε τα διάφορα νευρωνικά δίκτυα που χρησιμοποιήσαμε με αντίστοιχα προηγούμενων ερευνών. Μελετήσαμε τη σημασία τεχνικών ομαλοποίησης για την εκπαίδευση των μοντέλων μας και δώσαμε παραδείγματα για τη σύνδεση των ενδιάμεσων χαρακτηριστικών με τα συναισθήματα. Στο τέλος δώσαμε ορισμένες πιθανές κατευθύνσεις για μελλοντική εργασία ως αποτέλεσμα των ευρημάτων της διπλωματικής αυτής.