Derin üretici modeller ile polifonik müzikal içerik üretimi
Generating polyphonic musical content with deep generative models
- Tez No: 890585
- Danışmanlar: DOÇ. DR. SELÇUK SEVGEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 84
Özet
Bu tez çalışmasında derin üretici ağlar ile sembolik polifonik (çok-sesli) müzikal içerik üretimi, Batı Klasik Tonal Müziği bilgi uzayında gerçeklenmiştir. Çok-sesli müzikal içerik üretimi, tek-sesli melodi üretimi ve tek-sesli eşlik üretimi olarak iki alt-problem temelinde incelenmiştir. Sembolik sıralı veri gösteriminin kullanıldığı çalışmada, Yapay zekâ ile melodi üretimi alandaki en önemli teknik problemlerden uzun-dönem ilişkisel yapının korunumu probleminin aşılmasına çalışılmış ve (MTHA-LSTM) ile (GAMA-DL) yöntemleri geliştirilmiştir. MTHA-LSTM, çok-başlıklı dikkat ağları (MTHA) ile uzun-kısa vade hafıza (LSTM) ağlarını birlikte kullanan iki katmanlı ve hiyerarşik bir derin öğrenme yöntemidir. GAMA-DL, yüksek seviyeli müzikal ölçü üretimi ve düşük seviyeli nota üretimi olmak üzere iki aşamaya sahip derin öğrenme yönteminin genel adıdır. Geliştirilen yöntemler nicel ölçüm yöntemleri ve kullanıcı araştırmaları ile sınanmıştır. Elde edilen sonuçlar, uzun-vadeli bağımlılıklar problemini aşarak daha uzun ve yüksek kaliteli müzikal içerik üretmede önerilen yöntemlerin etkinliğini göstermektedir.
Özet (Çeviri)
In this thesis, the generation of symbolic polyphonic musical content using deep generative networks has been implemented within the knowledge domain of Western Classical Tonal Music. The production of polyphonic musical content has been examined based on two sub-problems: the generation of monophonic melodies and the generation of monophonic accompaniment. In the study, which uses symbolic sequential data representation, efforts have been made to overcome the problem of preserving long-term relational structure, one of the most significant technical challenges in the field of artificial intelligence-driven melody generation. Consequently, the methods (MTHA-LSTM) and (GAMA-DL) have been developed. MTHA-LSTM is a two-layered hierarchical deep learning method that employs multi-headed attention networks (MTHA) in conjunction with long short-term memory (LSTM) networks. GAMA-DL refers to the general framework of a deep learning method that operates in two stages: high-level musical measure generation and low-level note generation. The developed methods have been tested through quantitative measurement methods and user studies. The obtained results demonstrate the effectiveness of the proposed methods in producing longer and higher-quality musical content by overcoming the long-term dependency problem.
Benzer Tezler
- Data-driven phase retrieval using deep generative models
Derin üretici modeller ile veri güdümlü faz geri kazanımı
MEHMET ONURCAN KAYA
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ FİGEN ÖKTEM SEVEN
- Feature enhancement with deep generative models in deep Bayesian active learning
Bayes derin aktif öğrenmede derin üretici modeller ile öznitelik iyileştirme
PINAR EZGİ DUYMUŞ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA ERTEKİN BOLELLİ
- Derin üretici ağlar ile ölçeklenebilir ikili görüntü oluşturma ve tek görüntüden üç boyutlu nesne yapılandırma
Scalable binary image generation and single image to three-dimensional object reconstruction using deep generative models
CEREN GÜZEL TURHAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAKİR BİLGE
- Olasılıksal modeller ile Türkçe müzik türlerinin sınıflandırılması
Classification of Turkish music genres with probabilistic models
MEHMET CÜNEYT ÖZBALCI
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN
- Targeted drug design with warm start
Sıcak başlangıç ile hedef odaklı ilaç tasarımı
GÖKÇE ULUDOĞAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ