211service.com
Neurale netwerken gebruiken om muziek te classificeren
Nieuw werk van studenten aan de Universiteit van Hong Kong beschrijft een nieuw gebruik van neurale netwerken, verzamelingen van kunstmatige neuronen of knooppunten die kunnen worden getraind om een breed scala aan taken uit te voeren, die voorheen alleen werden gebruikt bij beeldherkenning. De studenten gebruikten een convolutief netwerk om functies, zoals tempo en harmonie, te leren uit een database met liedjes die verspreid zijn over 10 genres. Het resultaat was een reeks getrainde neurale netwerken die het genre van een nummer correct konden identificeren, wat in de informatica als een zeer moeilijk probleem wordt beschouwd, met een nauwkeurigheid van meer dan 87 procent. In maart won de groep een prijs voor beste paper op de Internationale multiconferentie van ingenieurs en computerwetenschappers .
Wat deze prestatie mogelijk maakte, was de diepte van het convolutionele neurale netwerk van de student. Conventionele neurale netwerken van kernelmachines zijn, zoals Yoshua Bengio van de Universiteit van Montreal het uitdrukte, oppervlakkig . Deze netwerken hebben te weinig lagen knopen - analoog aan de lagen neuronen in je hersenschors - om bruikbare hoeveelheden informatie te extraheren uit complexe natuurlijke patronen.
In hun experimenten ontdekten de studenten, onder leiding van professor Tom Li, dat het optimale aantal lagen voor muzikale genreherkenning drie convolutionele (of denkende) lagen was, waarbij de eerste laag de onbewerkte invoergegevens opnam en de derde laag het genre uitvoerde. gegevens.
In elke laag (hierboven afgebeeld) hoort een enkel knooppunt, of neuron, slechts een klein deel van het nummer, ongeveer 23 milliseconden. Elk knooppunt overlapt echter 50 procent met zijn buren, en dus horen de vele knooppunten in het neurale netwerk in totaal iets meer dan twee seconden van het nummer.
Hoewel een mens het misschien moeilijk heeft om het genre van een nummer in zo'n korte tijd te identificeren, doet dit specifieke algoritme dit gemakkelijk wanneer het wordt toegepast op nummers uit de standaardbibliotheek die wordt gebruikt voor het testen van geautomatiseerde genreherkenning. Het viel echter plat in daaropvolgende tests waarin de studenten het blootstelden aan muziek buiten de bibliotheek waarop het was getraind.
Ze schrijven het falen van hun algoritme om in het wild te werken toe aan een onvoldoende grote trainingsbibliotheek waarop het netwerk in de eerste plaats heeft geleerd. Omdat hun algoritme in slechts twee uur 240 nummers kon kauwen, zeggen de Hong Kong-studenten dat het de potentie heeft om behoorlijk schaalbaar te zijn.
Intrigerend genoeg was het ingewikkelde neurale netwerk waarop dit werk is gebaseerd oorspronkelijk geïnspireerd door een onderzoek van de visuele cortex van de kat. Katten, die zoogdieren zijn, hebben visuele cortexen die niet lijken op de onze. Experimenten die zijn gedaan met een verwante soort, de fret, hebben aangetoond dat, in tegenstelling tot wat in dit artikel werd gedaan, waar een visueel neuraal netwerk werd toegepast op een gehoorprobleem, het mogelijk is om de hersenen van een zoogdier opnieuw te bedraden zien met zijn auditieve cortex .
Als ingewikkelde neurale netwerken net zo flexibel zijn als de perceptuele systemen van zoogdieren waarop ze zijn gebaseerd, waarom worden ze dan niet toegepast op allerlei andere perceptieproblemen in AI?