Використання глибоких нейронних мереж для створення послідовностей електронної музики
No Thumbnail Available
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Національний університет “Львівська політехніка”
Abstract
Магістерська кваліфікаційна робота виконана студентом групи КНСШ-23 Білецьким Максимом Олександровичем. Тема: «Використання глибоких нейронних мереж для створення послідовностей електронної музики». Робота направлена на здобуття ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є дослідити можливості глибоких нейронних мереж (DNN) у створенні електронних музичних послідовностей, акцентуючи увагу на створенні унікальних, емоційно резонуючих та художньо привабливих звукових композицій. Загальний обсяг роботи: 68 сторінок, 3 таблиці, 19 рисунків та 36 літературних джерел. Master’s qualification work was performed by a student of the group CSAI-23 Biletskyi Maksym Oleksandrovych. Topic: "Using deep neural networks to create sequences of electronic music." The work is aimed at obtaining a master’s degree in 122 "Computer Science". The purpose of this thesis is to explore the possibilities of deep neural networks (DNNs) in creating electronic music sequences, focusing on the creation of unique, emotionally resonant, and artistically appealing sound compositions. This research focuses on the creation of electronic music sequences using deep neural networks. It delves into various methodologies and learning techniques in the field of music production, and examines the obstacles and limitations associated with these methods. In addition, the study will evaluate the artistic possibilities of music created with the help of artificial intelligence and explore the extent to which DNNs can improve the creative process and contribute to the emergence of new ways of expression in electronic music. IIn this research, I was able to test the prospects of creating music using deep neural networks. I built a neural network architecture and tested the result on various parameters. All data for training the network was collected by me personally and pre-processed. I was able to collect 800 songs from various sites with free music samples using web scraping. Total volume of work: 68 pages, 3 tables, 19 figures and 36 references.
Description
Keywords
глибоке навчання, електронна музика, LSTM, нейронні мережі, Python, Tensorflow, deep learning, electronic music, LSTM, neural networks, Python, Tensorflow
Citation
Білецький М. О. Використання глибоких нейронних мереж для створення послідовностей електронної музики : пояснювальна записка до магістерської кваліфікаційної роботи : 122 «Комп’ютерні науки» / Максим Олександрович Білецький ; Національний університет «Львівська політехніка». – Львів, 2023. – 68 с.