تعلم خصائص الموسيقى من الصفر

يقدم هذا البحث مجموعة بيانات موسيقية كبيرة جديدة تُسمى MusicNet، لتكون مصدرًا للإشراف وتقييم طرق التعلم الآلي في مجال البحث الموسيقي. تتكون MusicNet من مئات التسجيلات الكلاسيكية الحرة لـ10 مؤلفين موسيقيين، مكتوبة لـ11 آلة موسيقية، بالإضافة إلى تسميات الأدوات والألحان التي أدت إلى أكثر من مليون تصنيف زمني على مدى 34 ساعة من عروض الموسيقى الصالونية في ظروف استوديو وميكروفونات مختلفة.يعرّف البحث مهمة تصنيف متعدد العلامات لتنبؤ الألحان في التسجيلات الموسيقية، مع بروتوكول تقييم، ويقيم عدة هياكل للتعلم الآلي لهذه المهمة: i) التعلم من خصائص الطيف الزمني (spectrogram features)؛ ii) التعلم الشامل باستخدام شبكة عصبية (neural net)؛ iii) التعلم الشامل باستخدام شبكة عصبية تلافيفية (convolutional neural net). أظهرت هذه التجارب أن النماذج الشاملة المدربة على تنبؤ الألحان تتعلم مرشحات انتقائية للتردد كتمثيل منخفض المستوى للصوت.