ΛΌГOΣ. ОНЛАЙН
ΛΌГOΣ.ONLINE (2020)
Архітектура та мистецтвознавство

ОСОБЛИВОСТІ ТА ІМПЛІКАЦІЇ ЗАСТОСУВАННЯ МАШИННОГО НАВЧАННЯ ДЛЯ СТВОРЕННЯ МУЗИЧНОГО МАТЕРІАЛУ

PDF HTML
  • Богдан Булка
Богдан Булка
Львівський Національний Університет ім. І. Франка
Про автора
Дата публікації червень 2, 2020
Ключові слова
  • музика; мистецтво; аудіо; штучний інтелект; машинне навчання; генеративні моделі.
Як цитувати
Булка, Б. (2020). ОСОБЛИВОСТІ ТА ІМПЛІКАЦІЇ ЗАСТОСУВАННЯ МАШИННОГО НАВЧАННЯ ДЛЯ СТВОРЕННЯ МУЗИЧНОГО МАТЕРІАЛУ. ΛΌГOΣ. ОНЛАЙН. вилучено із https://ojs.ukrlogos.in.ua/index.php/2663-4139/article/view/3237

Авторське право (c) 2020 Богдан Булка

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Анотація

EOI 10.11232/2663-4139.10.04

Автор змальовує ландшафт застосувань інформаційних технологій та штучного інтелекту у сфері мистецтва та музики. Вказує на необхідність використання аудіо-відображення у застосуванні штучного інтелекту у музиці, для вираження повного спектру експресивних можливостей музики. Пропонує задіювати принцип постійної інтеграції та подачі в організації роботи при розробці застосувань із задіянням підходів із області машинного навчання.

Переглядів: 19
PDF HTML

Завантаження

Дані завантаження ще не доступні.

Посилання

  1. Hadjeres, G., Pachet, F., & Nielsen, F. (2017). DeepBach: a Steerable Model for Bach Chorales Generation. Вилучено з https://arxiv.org/abs/1612.01010v2
  2. Gillick, J., Tang, K., & Keller, R. M. (2010). Machine Learning of Jazz Grammars. Computer Music Journal, (34/3), 56-66. https://doi.org/10.1162/COMJ_a_00006
  3. Huang, C. Z. A., Vaswani, A., Uszkoreit, J., Shazeer, N., Simon, I., Hawthorne, C., ... Eck., D. (2018). Music Transformer. Вилучено з https://arxiv.org/abs/1809.04281v3
  4. Payne, Ch. (2019). MuseNet. OpenAI. Вилучено з https://openai.com/blog/musenet
  5. AlphaGo. (n. d.). Вилучено з https://deepmind.com/research/case-studies/alphago-the-story-so-far
  6. Rajpurkar, P., Irvin, J., Zhu, K., Yang, B., Mehta, H., Duan, T., ... Ng., A. Y. (2017). CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning. Вилучено з https://arxiv.org/abs/1711.05225
  7. Schmidt, E., & Cohen, J., (2014). The New Digital Age: Transforming Nations, Businesses, and Our Lives. New York, NY: Vintage Books.
  8. Roberts, A., Resnick, C., Ardila, D., & Eck, D. (2016). Audio Deepdream: Optimizing raw audio with convolutional networks. Вилучено з https://research.google/pubs/pub45859
  9. Oord, A., Dieleman, S., Zen, H., Simonyan, K., Vinyals, O., Graves, A., ... Kavukcuoglu, K. (2016). WaveNet: A Generative Model for Raw Audio. Вилучено з https://arxiv.org/abs/1609.03499v2
  10. Bengio, Y. (2019). From System 1 Deep Learning to System 2 Deep Learning. Neural Information Processing Systems. December 11th, 2019, Vancouver, Canada. Вилучено з https://drive.google.com/file/d/1zbe_N8TmAEvPiKXmn6yZlRkFehsAUS8Z/view
  11. LeCun, Y., (2019). Energy-Based Self-Supervised Learning. Workshop IV: Using Physical Insights for Machine Learning. November 18th, 2019, Los Angeles, USA. Вилучено з http://helper.ipam.ucla.edu/publications/mlpws4/mlpws4_15927.pdf
  12. Tegmark, M. (2015). Consciousness As a State of Matter. Вилучено з https://arxiv.org/abs/1401.1219v3
  13. Musk, E., & Neuralink. (2019). An integrated brain-machine interface platform with thousands of channels. https://doi.org/10.1101/703801