Key-Finding by Artificial Neural Networks That Learn About Key Profiles

    loading  Checking for direct PDF access through Ovid

Abstract

Résumé

Nous explorons ici la capacité d’un très simple réseau neural artificiel, un perceptron, à affirmer la clé musicale de nouveaux stimuli. Premièrement, les perceptrons sont formés pour associer des profils de clés standardisés (prélevés parmi une à trois différentes sources) avec différentes clés musicales. Une fois la formation achevée, nous avons mesuré l’exactitude avec laquelle les perceptrons affirmaient les clés musicales pour 296 nouveaux stimuli. Selon les profils clés utilisés pendant la formation, les perceptrons peuvent produire les mêmes résultats que les algorithmes de sélection de clés lors de cette tâche. Des analyses plus poussées indiquent que les perceptrons génèrent plus d’activité dans une unité qui représente une clé sélectionnée et beaucoup moins d’activité dans les unités qui représentent les clés concurrentes qui n’ont pas été sélectionnées, comparativement à un algorithme traditionnel. Finalement, nous avons examiné la structure interne des perceptrons formés et découvert qu’ils, contrairement aux algorithmes traditionnels, attribuaient de très différents poids aux différentes composantes d’un profil-clé. Les perceptrons apprennent que certaines composantes de profil sont plus importantes dans la spécification de clés musicales que d’autres. Ces poids différentiels pourraient être incorporés dans des algorithmes traditionnels qui eux-mêmes n’emploient pas de réseaux neuraux artificiels.

Related Topics

    loading  Loading Related Articles