Συσταδοποίηση Κινησιογραμμάτων Ελληνικού Παραδοσιακού Χορού με χρήση τεχνικών Βαθιάς Μάθησης

Abstract

Ο Χορός είναι μια μορφή τέχνης, μια αντανάκλαση συναισθημάτων και ιδεών στην κίνηση του σώματος. Αποτελούσε ανέκαθεν ένα μέσο επικοινωνίας και ανταλλαγής, μεταβίβασης γνώσεων και εθιμοτυπικών παραδόσεων, αλλά και συνάμα ψυχαγωγίας των ανθρώπων όλων των κοινωνιών. Ανάμεσα στα πολυάριθμα είδη χορών που υπάρχουν, ωστόσο, ξεχωρίζει ο Ελληνικός Παραδοσιακός Χορός, μια πολιτισμική κληρονομιά ανεκτίμητης αξίας που καθρεφτίζει την ελληνική κουλτούρα και διασφαλίζει τη διατήρηση της διαφορετικότητας σε μια περίοδο πολιτισμικής ομογενοποίησης. Για τη μετάδοσή του, όμως, από γενιά σε γενιά, αναγκαία κρίνεται η ύπαρξη γραπτών τεκμηρίων, με άλλα λόγια, η καταγραφή του. Ανά τα χρόνια, έχουν δημιουργηθεί διαφορετικά συστήματα σημειογραφίας της χορευτικής κίνησης, σε μια προσπάθεια όσο το δυνατόν ακριβέστερης αποτύπωσής της στο χαρτί. Αυτές οι αλληλουχίες κινήσεων που πλέον, στην πλειοψηφία τους, συντάσσονται και διατηρούνται σε ψηφιακή μορφή, ονομάζονται κινησιογράμματα. Παρά τις ραγδαίες εξελίξεις στον τομέα της τεχνολογίας, τα τελευταία μόνο χρόνια η επιστημονική κοινότητα αναγνωρίζει τη σπουδαιότητα και στρέφει το ενδιαφέρον της προς τη μελέτη της καταγραφής του χορού. Πράγματι, αποτελεί ένα πεδίο που βρίσκεται σε φάση εξέλιξης, με εκτεταμένες μελέτες και νέα, πρωτοποριακά πειράματα να λαμβάνουν χώρα σε παγκόσμιο επίπεδο. Με τις σύγχρονες τεχνικές Βαθιάς Μάθησης, δε, να ξεπερνούν κάθε προσδοκία και αξιοποιώντας τις απύθμενες δυνατότητες που μας προσφέρουν, φαίνεται να ανοίγει ο δρόμος προς περαιτέρω εμβάθυνση, ανάλυση και επεξεργασία των κινησιογραμμάτων, τα οποία, βέβαια, αποτελούν ακόμη μεγάλη πρόκληση για τους ειδικούς λόγω της πολυπλοκότητάς τους. Στην παρούσα διπλωματική εργασία, σε μια προσπάθεια σύνδεσης των επιστημονικών πεδίων της Βαθιάς Μάθησης με τη Σημειογραφία του Χορού, μελετάται ο διαχωρισμός σε συστάδες κινησιογραμμάτων που αναπαριστούν παραδοσιακούς χορούς της Ελλάδας, ανάλογα με την κατηγορία του χορού στην οποία ανήκουν. Αρχικά, γίνεται κατάλληλη προεπεξεργασία των δεδομένων, έτσι ώστε αυτά να χρησιμοποιηθούν σαν είσοδος σε οχτώ διαφορετικές αρχιτεκτονικές Συνελικτικών Νευρωνικών Δικτύων, οι οποίες λειτουργούν ως εξαγωγείς των χρήσιμων χαρακτηριστικών τους. Ακολουθούν τεχνικές μείωσης της διαστατικότητάς τους, ώστε τα στοιχεία αυτά να τροφοδοτηθούν σε αλγόριθμο Συσταδοποίησης, ο οποίος αποφέρει και τα τελικά αποτελέσματα. Η έρευνα ολοκληρώνεται με επιλογή των βέλτιστων αρχιτεκτονικών βάσει της αξιολόγησης των πειραμάτων.