Тайваньские программисты разработали программу, которая сможет самостоятельно определять жанр музыкальных файлов, оценивая музыкальный размер и темп композиции. Поскольку программа основана на искусственных нейронных сетях, поддерживается обучение и повышение точности с каждой новой оценкой. Систематизация электронных музыкальных архивов становится настоящим кошмаром для многих пользователей. Даже в официально приобретенных музыкальных композициях издатели нередко забывают указать жанр каждой композиции в метаданных. Чтобы облегчить меломанам поиск нужной музыки, исследователь Чан Бяо Ян из национального университета им. Сунь Ятсена решил скомбинировать два базовых подхода к анализу музыкальных записей – так называемые методы Эллиса и Диксона. На начальной стадии обучения нейронной сети авторы загрузили в эту экспериментальную программу несколько сот записей для бальных танцев. В ходе обучения исследователи исправляли ошибки автоматического оценивания и возвращали композиции на новую обработку. В результате первичного обучения нейронная сеть составила звуковые профили для каждого жанра, исходя из найденных неявных закономерностей. Второй этап обучения нейронной сети заключался в применении вышеупомянутых методов Эллиса и Диксона для дальнейшего анализа уже оцененных файлов. Эти методы используют различные алгоритмы обработки сигнала при воспроизведении музыки. В каждом из этих методов реализован свой подход к определению разного рода пиковых значений – по взаимному расположению пиковых значений в композиции определяется музыкальный размер такта и темп композиции (например, 120 ударов в минуту для стиля «диско»). Созданная и обученная система смогла с высокой точностью определить стили в коллекции музыки для бальных танцев. Так, сейчас эта система довольно уверенно отличает стили ча-ча-ча, джайв, квикстеп и танго. Сейчас разработчики планируют провести дополнительное обучение своей системы на файлах с классической, джазовой и поп-музыкой, чтобы расширить диапазон и точность оценки жанра. О коммерциализации нового метода автоматического определения жанра для музыкальных композиций пока ничего не известно. ИсточниК Отсебятина: Если вам не интересны новости по данной тематике, отпишитесь в коментах, дабы я зря время не тратил. На сегодня это последняя новость от меня (лимит в 3шт.)
она не ляжет она тусовать начнет , а так молодцы. глядишь скоро что нить еще появиться. хорошо бы например если бы такую сеть в медицину
Наши не меньше изобретают. Просто дальше патента дело не продвигается. Если и продвигается то только за рубежом.
Дебильный'Н'Быдловский набор атональных частот - лишь для деклассированной гопоты и ниггеров. это не есть музыка, о которой идет речь в статье. лет 8 тому назад корпорация Sony выпустила в свет гаджет, или муз брелок - кому как угодно называть ) суть в чем изобретения? напев тему песенки в брелок, из брелка сервером считываются данные, сопостовляются с тем, что есть в базе данных, и пользователю брелка приходит инфо об исполнителе и композиции. через год - о воплощении в жизнь, ни слова не звука. инфу почерпнул из британского журнала .net год даже не помню, где-то '00-'01.
Хм, трудности возникнут. Допустим, Drum and Bass, темп 170, размерность 4/4 такта. Тот же Speed Hardcore тоже может быть 170, 4/4 такта. А как же рок? Его поджанры? Классификация будет очень и очень узкая. Тут нужен более тонкий, глубокий анализ композиции. По частотам, по музыкальному строю, это определить довольно-таки трудно. Да и если такой сервис появится - это будет чудо, желаю им удачи
Глупо сравнивать человеческий мозг и машину. Лучше чем ты сам никто не рассортирует тебе твою музыкальную коллекцию. Нужно добавить в изобретение функцию удаления. Не понравился программе трек, в корзину его. =)