Neironu tīklu izmantošana mūzikas klasificēšanai

Jauns darbs Honkongas Universitātes studenti apraksta jaunu neironu tīklu, mākslīgo neironu vai mezglu kolekciju izmantošanu, ko var apmācīt, lai veiktu dažādus uzdevumus, kas iepriekš tika izmantoti tikai attēlu atpazīšanā. Studenti izmantoja a konvolūcijas tīkls lai uzzinātu tādas funkcijas kā temps un harmonija no dziesmu datu bāzes, kas izplatās 10 žanros. Rezultāts bija apmācītu neironu tīklu kopums, kas varēja pareizi noteikt dziesmas žanru, kas datorzinātnēs tiek uzskatīts par ļoti smagu problēmu, ar lielāku precizitāti nekā 87 procenti. Martā grupa ieguva balvu par labāko darbu Starptautiskā inženieru un datorzinātnieku daudzkonference .

Tas, kas padarīja šo varoņdarbu iespējamu, bija studenta konvolucionālā neironu tīkla dziļums. Tradicionālie kodola mašīnu neironu tīkli ir, kā to teicis Jošua Bendžo no Monreālas universitātes, sekla . Šajos tīklos ir pārāk maz mezglu slāņu, kas ir līdzīgi neironu slāņiem jūsu smadzeņu garozā, lai iegūtu noderīgu informācijas daudzumu no sarežģītiem dabas modeļiem.

Savos eksperimentos studenti profesora Toma Li vadībā atklāja, ka optimālais slāņu skaits mūzikas žanra atpazīšanai ir trīs konvolucionāli (vai domāšanas) slāņi, kur pirmais slānis uzņem neapstrādātus ievades datus un trešais slānis izvada žanru. datus.

Katrā slānī (attēlā iepriekš) viens mezgls jeb neirons dzird tikai nelielu dziesmas daļu, aptuveni 23 milisekundes. Tomēr katrs mezgls pārklājas par 50 procentiem ar saviem kaimiņiem, un tāpēc daudzi neironu tīkla mezgli kopumā dzird nedaudz vairāk par divām dziesmas sekundēm.

Lai gan cilvēkam var būt grūti noteikt ieraksta žanru tik īsā laikā, šis konkrētais algoritms to paveic viegli, ja to izmanto dziesmām no standarta bibliotēkas, ko izmanto automātiskās žanra atpazīšanas pārbaudei. Tomēr turpmākajos testos, kuros skolēni to pakļāva mūzikai ārpus bibliotēkas, kurā tā tika apmācīta, tas krita.

Viņi skaidro sava algoritma neveiksmi savvaļā ar nepietiekami lielu apmācību bibliotēku, kurā tīkls vispirms mācījās. Tā kā viņu algoritms spēja izkošļāt 240 dziesmas tikai divās stundās, Honkongas studenti saka, ka tas var būt diezgan mērogojams.

Interesanti, ka savītais neironu tīkls, uz kura ir balstīts šis darbs, sākotnēji tika iedvesmots no kaķa redzes garozas pārbaudes. Kaķiem, kas ir zīdītāji, ir redzes garoza, kas nav atšķirīga no mums. Eksperimenti, kas veikti ar radniecīgu sugu, sesku, ir parādījuši, ka pretēji tam, kas tika darīts šajā rakstā, kur dzirdes problēmai tika izmantots vizuālais neironu tīkls, ir iespējams no jauna pieslēgt zīdītāju smadzenes redzēt ar savu dzirdes garozu .

Ja savitie neironu tīkli ir tikpat elastīgi kā to pamatā esošās zīdītāju uztveres sistēmas, kāpēc tie netiek piemēroti visu veidu citām AI uztveres problēmām?

paslēpties