Combining Deep Learning and Combinatorial Optimisation to Generate Four-Part Chorales
Simen Kværneng Kaspersen · NORA - Norwegian Open Research Archives · 2019
Denne masteroppgaven beskriver implementasjonen av en funksjonell prototype som består av et rekurrent neuralt nettverk og en branch-and-bound optimeringsalgoritme i konjunksjon for å generere musikk som tilretter seg reglene for firstemmig korallsats i Bach-stil. Den eksakte naturen til musikk generert av neurale nettverk er vanskelig å forutse, og derfor også å manipulere på noen som helst meningsfull måte mellom input og output. Hvor godt resultatene gjenspeiler de mer abstrakte aspektene av musikk er vanskelig å kontrollere, og ofte viser de lite eller ingen musikalsk struktur eller kreativitet. I tillegg er det få innfallsvinkler for interaksjon og inngripen når man benytter seg av et slikt "svart boks"-system. Denne oppgaven utforsker måter å imøtekomme disse utfordringene på fra utsiden, og viser at kombinatoriske optimeringsstrategier kan benyttes i etterkant til å påføre musikalske rammer og endre output slik at den innfinner seg konvensjonene og forventningene til vestlig musikkteori. De nye resultatene demonstrerer en stor forbedring i funksjonell struktur, melodisk og harmonisk utvikling og estetikk sammenlignet med fra før. Selv om prototypen ikke var i stand til å finne optimale transformasjoner fra neuralnettverkets output innenfor rimelig tid, ble det demonstrert en metode som finner lavkostnadskombinasjoner med gyldig struktur som kan benyttes til å generere resultater som demonstrerer programmets funksjon.