Le pub des programmeurs
- 1 927 réponses
- 117 participants
- 131 733 vues
- 130 followers

Anonyme



supernono

Le marchand de sable

aris

http://www.samforce.net/SamThesis.pdf
" Techniques de Composition Musicale
Automatique et Perspectives de Modélisation
à travers la Dynamique Complexe des
Réseaux de Neurones Récurrents"
Samuel Hamache
D'après une intervention que j'ai lue dans un post de forum ou j'ai trouvé le lien, il dit que les chaines de markov pour composer sont dépassées


supernono

je pense qu'on peut trouver des choses interessantes du coté des reseaux de neurones.
EDIT:

Le marchand de sable

asair



ClockworkOi!

Je sais plus si j'ais encore les références, mais ca doit pouvoir se retrouver.

bara

Sinon désolé je n'en dirai pas plus, étant lié par contrat...


asair

Par contre quel est le but de ton projet ?
1. Assister les compositeurs pour leur permettre de sous traiter via un ordinateur les choses classiques et quantifiables en composition ?
ou
2. inventer la machine à musique automatique qui tuera les musiciens et transformera Bach en alogrithme pour ascenseurs ?

bara


asair

Hors sujet : Tant mieux, ca a l'air concret. Personnellement ca m'a toujours fait sourire ce genre de projets... C'est un peu comme les mecs qui utilisent les nouvelles interfaces dans les arts numériques pour des fins purement scientifiques, ... Si ton projet c'est de créer le robot à musique, je te souhaite bien du courage et j'espère qu'en plus d'être un logicien hors pairs tu as aussi un diplome en béton armé en théorie musicale...
A la limite la théorie des sets...
La vérité est dans les nombres
Sans rancune, à voir ton profil je pense bien que tu es au dessus de tout ca


miles1981

Les chaînes de Markov au moins, ça a l'intérêt d'être très facile à mettre en place et à utiliser.
Et en ce qui concerne les RdN, on a de plus en plus tendance à les remplacer par des réseaux bayesiens, bien plus stables, capables d'apprendre, mais correctement. Y'a juste des problèmes de structure initiale (mais bien moins pire que la sélection du nombre de neurones intermédiaire dans la couche d'un RdN ;)).
Audio Toolkit: http://www.audio-tk.com/

asair

Citation : les chaînes de Markov moins évoluées que les réseaux de neurones ? C'est une blague ?
oui c'est un sketch

supernono

on arrête d'apprendre quand la courbe de test remonte . enfin ya pleins de solutions pour palier au phénomène de surentraînement.
les réseaux de neurones sont aussi facile a mettre en place faut pas delirer, il existe d'excellentes lib libres comme par exemple FANN sous unix (Fast Artificial Neural Network Library).
et dans les différents domaines que j'ai étudié, les réseaux de neurones étaient bien plus intéressant que les chaînes de markov. je pense que ca dépend du domaine dans lequel on travail.
apres je ne connais pas spécialement les réseaux bayesiens. en ce qui concerne le nombre de neurones dans la couche intermédiaire, on peut processeur par des tests, bon c'est moche, c'est pas mathématique pour un sous, mais avec la puissance de calcul de nos machines on arrive vite a un résultat intéressant, voir satisfaisant.
mais je vais regarder de plus près les réseaux bayesiens ! ça m'intéresse

pour ttone, oui je suis un sketch, mais on est deux dans ce cas là ;)
Le marchand de sable

miles1981

Pour les réseaux bayesiens, on les utilise maintenant parce que la puissance des machines le permet. La création d'une structure est un graphe à élaguer, mais il a une stabilité à l'apprentissage online impressionnante par rapport aux RdN pour de la prise de décision.
Audio Toolkit: http://www.audio-tk.com/

asair


miles1981

Audio Toolkit: http://www.audio-tk.com/

asair


miles1981

Un réseau bayesien, ce sont des noeuds symbolisant par exemple une prise de décision. L'un d'eux va être la probabilité d'avoir de l'orage. Un autre la probabilité d'avoir un ciel couvert. Le réseau bayesien va avoir un lien de cause à effet entre ces deux noeuds. L'objectif de l'apprentissage, c'est de modéliser le fait que s'il y a de l'orage, c'est qu'il ya des nuages, et s'il y a des nuages, il y a des chances pour qu'il y ait un orage. Tout ça se fait facilement à l'aide de al règle de Bayes. Le plus compliqué, c'est de savoir ce qui est relié...
Tous ces objets sont des outils dans la panoplie du machine learning.
Audio Toolkit: http://www.audio-tk.com/

J-Luc


Il y a deux moyens d’oublier les tracas de la vie : la musique et les chats.
Albert Schweitzer

aris


asair




cptn.io

cptn.io

asair


miles1981


Audio Toolkit: http://www.audio-tk.com/

ClockworkOi!

Citation : je ne pense pas que l'utilisateur entende des enchaînements inconnus dissonnants, à l'opposé de ce qu'il veut, et qu'il indique par un bouton si ça lui plaît ou pas pendant 1 heure à chaque fois
c'est pas comme ca qu'ils font a la nouvelle star?


aris

Citation : Ttone > un réseau bayesien est plus adapté à ton cas. Après, tu peux l'entraîner au départ avec des algos génétiques, mais une fois en cours d'utilisation, je ne pense pas que l'utilisateur entende des enchaînements inconnus dissonnants, à l'opposé de ce qu'il veut, et qu'il indique par un bouton si ça lui plaît ou pas pendant 1 heure à chaque fois
pourquoi pas ? :p
c'est pas fort différent de la méthode que j'utilise pour apprendre à jouer. Je joue, j'écoute si c'était bon ou pas et je recommence jusqu'à ce que je soie satisfait ou que je tombe sur un point fixe (plus souvent

maintenant c'est clair qu'un humain n'est pas forcement le plus indiqué pour pouvoir évaluer des milliers d'enchainements pour dire si c'est le style de brian may ou pas... mais par contre donner une note de 1 à 9 d'une touche de clavier, sur des enchainements de quelques secondes (classification laid-très joli) ça peut donner des résultats interessants.
- < Liste des sujets
- Charte