Se connecter
Se connecter
Mot de passe oublié ?
ou
Créer un compte
ou
Se connecter avec Facebook
Notifications
< Retour vers Hartmann Neuron
Agrandir
Ajouter ce produit à
  • Mon ancien matos
  • Mon matos actuel
  • Mon futur matos
Hartmann Neuron
Photos
1/103
Hartmann Neuron

Clavier synthétiseur numérique de la marque Hartmann

7 avis
9/10
Présentation du produit Présentation
Avis 7 7
Comparateur de prix
Petites annonces
Forums 21 21
Actu 1 1
Test 1 1

Sujet La dernière arnaque dans le monde du synthé ?

  • 183 réponses
  • 32 participants
  • 13 703 vues
  • 3 followers
1 La dernière arnaque dans le monde du synthé ?
:???: Alors ce neuron, au vu de ces caractéristiques, de son type de synthèse plutôt fumeux et surtout de son prix ne serait-il pas une belle arnaque ? Même le boitier ressemble à un jouet bricolo. Avez-vous pu approcher la bête et la tester ? :?: :?:
Je me souviens je pensais à demain, et plus j'y pensais plus le temps semblait long, et les chances d'y arriver réduites
Afficher le premier post
11
Ouaou william77, c'est épatant ce que tu racontes là ( non c'est pas du tout ironique ), on peut en savoir plus sur tout ça, il y a un site où c'est un peu plus explicité?
12
Je savais pas que nintendo ressortait la nes sous un autre nom et un nouveau design ils ont quand meme laissé les joystick orange :mdr: :bravo:
13
C savantfou.com ici ?? :oo:

je savais pas qu'il y avait ici
de l'erudie scientifique, du savant de laboratoire
du chercheur en reseau neuronaux ?

ben je retourne sur mes ptits morco de musik moi :(

@+@++

will kan ta le temps j'ai besoin d'un truc qui ressorte
direct de ma tete un morco fini, rien qu'avec l'idée
tu vois tu modelise exactement la musique et les chanteurs
auquel je penses, deja mixé et tout !!!
vu que dans ma tête tout y est clair

mais c kan ta 2 minutes, ca presse pas
le soir entre deux calculs neuronaux... :??:
14

Citation : on peut en savoir plus sur tout ça, il y a un site où c'est un peu plus explicité?



pour les applications des réseaux de neurones et comprendre ce qu'on peut faire avec,
en anglais :
http://tralvex.com/pub/nap/
ou généralités en français :
http://www.ceremade.dauphine.fr/%7Erossi/neurones-intro.html

Citation : > William77, t'as des référence interessantes, sur les RN ? Je suis en train de bosser sur la numérisation des filtres analogiques des synthés, et j'avais envie de voir un peu par là, par curiosité. Parce qu'à part le perceptron, moi pas connaître grand chose.



Oui, Gabou, enfin faut que j'fouille ... si t'es pas à la minute, demain ou après demain je pourrais te donner qq références liées au filtrage par RN ...
essaye quand même : http://cslu.cse.ogi.edu/tutordemos/nnet_training/tutorial.html
et : http://www-syscom.univ-mlv.fr/%7Evignat/Signal/IJCNN91.pdf
sinon sur http://citeseer.nj.nec.com il y a des centaines de thèses là dessus ...


Le perceptron c'est juste la base ...
C'est ce qui a permis de débloquer une situation dans les années 80 je crois, parcequ'avant le perceptron les scientifiques constataient que ce petit réseau (avant perceptron) n'était capable de traiter QUE des problèmes linéairement séparables ... ça l'a un peut tué dans l'oeuf ... puis c'est revenu quand le Perceptron est apparu (non linéaire ...) C'est donc le père du Réseau de neurones moderne, mais souvent, la structure même du Perceptron de base ne permet PAS d'obtenir à la fois un bon taux d'apprentissage ET un bon taux de généralisation, ce qui est souvent primordial (que les 2 soient bons ... mais ça dépend
des problèmes ...)

Alors justement tu parles de filtres, c'est un cas, où il me semble il faut être bon en généralisation pour pouvoir traiter ensuite des signaux "non-appris" et se comporter néanmoins comme le modèle "appris" ...là est toute l' astuce du truc :

Il faut souvent alors "sortir" de la structure standard du perceptron classique (couche d'entrée, couche cachée, couche de sortie), et chercher des structures un peu ... "exotiques"
genre, rien qu'au niveau de l'apprentissage lui-même, y'a pas mal de variantes : poids partiellements initialisés (d'ailleurs l'initialisation des poids fait couler de l'encre, il y même des thèses là-dessus!), apprentissage forcé, supervisation de la couche interne, multi-réseau, aprrentissage par couche, ... bref j'en passe et des meilleures !

Ensuite, au niveau de la structure, les rebouclages sont importants dans le comportement, et normalement, le designer doit "trouver" la bonne architecture pour que ça se passe bien (on prète au réseau la capacité d'"apprendre", mais en tout cas PAS de s'auto-dimensionner et erchitecturer ... là, il faut encore (ouf!) des neurones humains ...)
donc il existe des tas de structures, ... ainsi que d'utilisations des sorties :

Dernier point : les Sorties. tu peux vouloir 1 à n sorties, "binaires" (1 parmi n) ou "analogiques" cad linéaires (généralement de -1 à 1), mais aussi la signification même de ces sorties est LE grand débat, puisque pour un problème donné, tu met 3 chercheurs, et les 3 vont te pondre un modèle de réseau complètement différent ... même pas comparables au niveau des résultats obtenus ...

Bon, pour parler boutique, des filtres en RN ! c'est l'appli typique ... mais c'est pas gagné
pour autant, parceque tu peux, avec ton RN :
- rentrer le signal, et resortir le signal filtré (un peu simpliste ... et hard pour le RN)
- rentrer le signal dans un filtre digital, dont les coeficients seraient pilotés par les sorties du RN (c'est déja plus marrant)
- rentrer une modélisation non-temporelle du signal, par exemple un codage quelconque, frame par frame, et le RN se comportant comme un filtre te ressort les mêmes types de paramètres de cette modélisation, mais correspondant au signal filtré (là, t'es en plein dedans !!!) C'est un peu ce genre de gymnastique qu'il faut faire, parceque le RN va s'insérer dans une chaine de traitements, pour modéliser une ou des séparations entre des espaces ... il vaut mieux pas lui donner directement le signal brut ! (par exemple pour mes images, je fais 10 fois plus de calculs sur les pixels AVANT de rentrer le modèle dynamique dans le RN, alors que le réseau, une fois que ses poids sont établis, ça n'est plus qu'une
série de multiplications additions (fonctions sigmoides de sortie ...), bref, quedalle par rapport aux "pré-traitements" intermédiares !!!

(je bosse aussi un peu là-dessus, mais au ralenti, parceque je suis censé faire de la reconnaissance des formes en Trt d'images, en stéréovision embarquée dans une voiture ...)

Bon alors, pour les références en RN, j'ai pas grand chose sous la main (c'est tout resté à
la fac) mais je peux me faire envoyer une liste bibliographique que j'avais établie ...
puis je te l'envoie dès que je l'ai !

Sinon, tu peux chercher avec "Neural network filtering" sur le net tu devrais trouver plus que tu n'en veux .. tu peux aussi voir en rajoutant les mot clé "KALMAN filter" ou
"modeling filters" etc ...
(je dois avoir des liens qqpart, mais là je les trouve pas, évidemment ... j'ai ça :
http://cslu.cse.ogi.edu/nsel/wan_manuscript/node7.html
http://cslu.cse.ogi.edu/nsel/wan_manuscript/node8.html

j'ai aussi (format Word) un petit chapitre sur les RN perceptron que j'avais mis dans mon mémoire de stage ... mais 'est surtout de la généralité, et l'aspect mathématique du calcul des termes de la réto-propagation (à connaitre quand on fait un réseau non-perceptron ...)
dis moi si ça t'intéresse, je te l'envoie par e-mail !

T'as rien besoin sur les filtres eux-mêmes ? (à tout hazard)


Willy, zicos electronicien
Willy, zicos electronicien et algorithmes mathématiques
15

Citation : tu vois tu modelise exactement la musique et les chanteurs
auquel je penses, deja mixé et tout !!!
vu que dans ma tête tout y est clair



fastoche ! les doigts dans le nez ...

Le modèle porte même un nom : FEMME :aime:

Elle te sort des trucs avant même que tu y ai (mal) pensé ... et pour le mix, pas de pb
non plus, à tel point que tu n'a même pas le droit de toucher au mix, ni donner ton avis ...
c'est pré-mixé, pré-masterisé ...
Et elle a la capacité de voir dans ta tête, grave !!!! :???:

Faut même faire gaffe, une fois branchée, tu sais plus comment l'arréter !!! :mdr:

(j'implore ici le pardon de la gente féminine qui pourrait tomber sur ce message,
je plaide coupable par avance, et en profite pour présenter mes excuses ...)


Willy, zicos electronicien
Willy, zicos electronicien et algorithmes mathématiques
16

Citation :
T'as rien besoin sur les filtres eux-mêmes ? (à tout hazard)



Ouais, non, là, j'ai déjà la dose. Pour kalmann, je connais déjà, mais je vois pas torp le rapport avec les RN ? EN tout cas, merci pour les liens.
17

Citation : Ouais, non, là, j'ai déjà la dose. Pour kalmann, je connais déjà, mais je vois pas torp le rapport avec les RN ? EN tout cas, merci pour les liens.



Parceque KALMAN, c'est LE modèle de filtre qui va assez bien pour être modélisé
par RN (KALMAN c'est un prédicteur/estimateur ... RN aussi !!!)

Au fait, tu es à la fac ? où ?
bientôt fini ?

pour finir, j'ai oublié de préciser qu'un RN peut être utilisé de 2 manières,
(quand je disais les sorties "tout-ou-rien" (avec un seuil) ou bien "analogiques" ...)

- en Classifieur/Discriminateur : il peut alors séparer des Classes
(tu lui donne un nouveau "candidat", et il te dit de quelle classe il est ...
c'est ce que j'appelle "tout-ou-rien" "binaire", selon les applications)

- en Interpolateur : Il modélise une fonction, quelconque ...
(c'est là qu'on peut faire du filtrage ...)


Bon, tu le savais surement déja, mais comme ça c'est complet.

:clin:


Willy, zicos electronicien
Willy, zicos electronicien et algorithmes mathématiques
18
En fait, je suis en train de me dire, si t'as des trucs sur le fonctionnement des filtres analogiques, je suis preneur, sachant que j'y connais pas grand chose ( l'electronique, ça s'est arrete pour moi à la prepa, autant dire pas grand chose ). Entre autre, je recherche des schémas de filtres différents de ceux du moog ladder, comme par exemple celui du PPG.

Les methodes de numérisation de filtres, aussi, plus poussées que la transofmrée bilinéaire.

POur les RN en interpolateur, moi pas connaître. Est ce que l'on peut utiliser ça pour l'analyse, et faire ensuite le filtrage avec un filtre linéaire classique ( plus ou moins, bien sûr, vu que les RN sont fondamentalement non linéaires ) ?

Snon, je suis en derenière ecole d'inge, et je fais un DEA en même temps. Vu que je compte me barre au Japon l'année prochain, et faire une thése après, je suis pas près d'avoir fini :clin:
19

Citation : Entre autre, je recherche des schémas de filtres différents de ceux du moog ladder, comme par exemple celui du PPG.


Non. Désolé! Je n'ai rien sur le PPG (d'ailleurs je ne savais pas qu'il avait des filtres péciaux, à part du tout classique VCF derrière la (première!) lecture d'échantillons ...). J'avais les schémas du CS80 mais je les ai donné avec quand le l'ai vendu (mais mon acheteur les a, lui). De toutes façons les cartes VCf étaient construites autour de CI faits par Yamaha pour ses synthé, et ils sont maintenant introuvables.
Pour les filtres "exotiques" ou un tant soit peu "originaux", ils ne sont que très rarement
divulgués ... et je n'en ai pas ! à part ce qui existe comme littérature sur les filtres Moog ...
il y a qq articles là-dessus :
http://www-ccrma.stanford.edu/%7Estilti/papers/
et aussi une page de liens ...
http://www.till.com/articles/moog/
sinon sur les filtres analogiques en général :
https://www.epsic.ch/branches/electrotechnique/Filtres/

Citation : Les methodes de numérisation de filtres, aussi, plus poussées que la transofmrée bilinéaire.


Ce que je connais de la synthèse des filtres est ce qui est dispensé en DEA Robotique ou Electronique, rien d'exceptionnel :
http://www.dspguru.com/info/faqs/firfaq.htm
http://web2.uqat.uquebec.ca/lerene/CasqueANC/carac_filtre_digi.htm
http://www.musique.umontreal.ca/cours/MUS2311/mus2311_index.html

Citation : POur les RN en interpolateur, moi pas connaître. Est ce que l'on peut utiliser ça pour l'analyse, et faire ensuite le filtrage avec un filtre linéaire classique


Moi pas bien comprendre question. Try again please!

RN en classifieur à n sorties = classification dans n "classes":
Le vecteur présenté en entrée, parès propagation dans le réseau, active les sorties
selon la loi (ou fct ou polynome etc...) apprise pendant l'apprentissage.
Les n sorties prennent ne valeur entre -1 et 1. La sortie la plus forte désigne la classe
gagnante, cad correspondant au vecteur d'entrée.

RN en interpolateur à 1 sortie = générateur de fonction y=f(x)
où f() est la loi apprise pendant la phase d'apprentissage.
Un RN à 1 sorties "interpolateur" (ou "analogiques") ne peut avoir qu'une seule sortie,
puisque s'il en avait plusieurs, seule la dernière couche du réseau différencierait ces
sorties ...
Quand il est à "N" sorties, c'est en fait N Réseaux distincts, mais juxtaposés, ils ont donc
"appris" séparément, à priori. c'est dans ce genre de domaine qu'il y encore beaucoup de
recherche. Par exemple comment superviser l'apprentissage de N réseaux de telle manière que la fusion de ces N réseaux amène à une structure de 1 réseau à N sorties...

Pour faire un filtre par RN, soit tu reste en temporel et ça me parait assez dùr (j'en avait parlé au message précédent), soit pour tirer réellement profit de la puissance des RN, il faut changer d'espace, et représenter le signal soit en fréquentiel (et encore), soit passer en
représentation paramètrique.
Là il existe des choses depuis peu, comme l'utilisation d'un codage style "LPC" (Linear Predictive Coding) pour coder/paramétrer le signal de telle sorte à constituer des vecteurs
d'entrée à présenter au réseau.
L'apprentissage consiste d'abord à créer une base de données de signaux "exemples",
pour lesquels ont effectue le codage d'entrée, puis on applique le filtrage recherché à ces signaux et on code aussi les signaux "résultat".
Ensuite (on a choisi la bonne structure de réseau) on procède à l'apprentissage proprement dit cad que l'on présente un ensemble (toute la base que l'on a créé) de vecteurs d'entrée,
on calcule les sorties, puis on compare les sorties obtenues avec les sorties désirées, ce qui permet d'estimer les erreurs de sortie ainsi que l'erreur moyenne, et on effectue la retro-propagation pour cette "passe" compte tenu de ces erreurs, et aussi de la progression de l'erreur par rapport à la passe précédente.
Après K "passes", le réseau devrait avoir convergé vers une "solution", et on peut maintenant appliquer n'importe quel signal inconnu (codé et paramètré) et obtenir ce
même signal filtré (après décodage des sorties) ...!

Est-ce que ta question se rapporte à qqch relatif à qqch comme ça ?

Citation : Snon, je suis en derenière ecole d'inge, et je fais un DEA en même temps. Vu que je compte me barre au Japon l'année prochain, et faire une thése après, je suis pas près d'avoir fini



Goood !!! :bravo:
Sais tu en gros sur quel (genre de) sujet tu veux faire ta thèse ?
Quel école, DEA et fac ?
(indiscrèt le petit ... ben voui, je suis curieux !!!)


Willy, zicos electronicien
Willy, zicos electronicien et algorithmes mathématiques
20
DEA -> ATIAM ( le truc à l'ircam, avec le lip6, l'enst, mon école à moi, et pleins d'autres trucs ).

Thèse : ben déjà, je veux faire le truc dans le privé, si possible. Donc pas évident. Des sujets, j'en ai pas mal en tête, mais plutôt vagues, donc je vais atttendre la fin de mon stage de DEA pour voir ça de manière plus précise.