Analiza cech abstrakcyjnych utworów muzycznych przy pomocy konwolucyjno - rekurencyjnych sieci neuronowych

Od czasu ich odkrycia sieci konwolucyjne są używane w szerokim zakresie zadań polegających głównie na analizie wzorców przestrzennych. Podobnie, sieci rekurencyjne są powszechnie używane w przypadku zadań, które opierają się na analizowaniu wzorców czasowych. Ponieważ analiza spektrogramów utworów muzycznych opiera się na analizowaniu zarówno wzorców przestrzennych jak i czasowych, w tej pracy badane są architektury wykorzystujące obydwa typy sieci, w szczególności istniejące rozwiązania, takie jak równoległe oraz sekwencyjne sieci konwolucyjno - rekurencyjne, a także proponowany typ sieci konwolucyjno - rekurencyjnych rozłożonych w czasie, w kontekście klasyfikacji gatunków muzycznych utworów jak i przewidywania popularności utworów.

From the time of their discovery convolutional neural networks have found their place as an useful tool in the wide variety of tasks involving mainly analysis of spatial patterns. Similarly, recurrent neural networks are commonly used in tasks involving analysis of temporal patterns. Since analysis of the spectrogram of a musical piece involves searching for both spatial and temporal patterns in this paper architectures which employ both of these neural network types, particularly existing solutions like parallel and sequential convolutional-recurrent neural networks as well as a proposed time distributed convolutional-recurrent neural networks, are explored in the context of the classification of musical pieces genres and prediction of musical pieces popularity.