211service.com
Wykorzystanie sieci neuronowych do klasyfikowania muzyki
Nowa praca studentów Uniwersytetu w Hongkongu opisuje nowatorskie zastosowanie sieci neuronowych, zbiorów sztucznych neuronów lub węzłów, które można wytrenować do wykonywania różnorodnych zadań, wcześniej stosowanych tylko w rozpoznawaniu obrazów. Uczniowie wykorzystali sieć konwolucyjna uczyć się funkcji, takich jak tempo i harmonia, z bazy danych utworów z 10 gatunków. W rezultacie powstał zestaw wytrenowanych sieci neuronowych, które potrafiły poprawnie zidentyfikować gatunek utworu, który w informatyce jest uważany za bardzo trudny problem, z dokładnością większą niż 87 procent. W marcu grupa zdobyła nagrodę za najlepszy artykuł na Międzynarodowa Wielokonferencja Inżynierów i Informatyków .
To, co umożliwiło ten wyczyn, to głębokość konwolucyjnej sieci neuronowej ucznia. Konwencjonalne sieci neuronowe maszyn jądra są, jak ujął to Yoshua Bengio z Uniwersytetu w Montrealu: Płycizna . Sieci te mają zbyt mało warstw węzłów – analogicznych do warstw neuronów w korze mózgowej – aby wydobyć użyteczne ilości informacji ze złożonych naturalnych wzorców.
W swoich eksperymentach uczniowie, kierowani przez profesora Toma Li, odkryli, że optymalną liczbą warstw do rozpoznawania gatunku muzycznego były trzy warstwy splotowe (lub myślowe), przy czym pierwsza warstwa pobierała surowe dane wejściowe, a trzecia warstwa wyprowadzała gatunek dane.
W każdej warstwie (na zdjęciu powyżej) pojedynczy węzeł lub neuron słyszy tylko niewielką część utworu, około 23 milisekund. Każdy węzeł pokrywa się jednak w 50 procentach ze swoimi sąsiadami, więc w sumie wiele węzłów w sieci neuronowej słyszy nieco ponad dwie sekundy utworu.
Chociaż człowiek może mieć trudności z rozpoznaniem gatunku utworu w tak krótkim czasie, ten konkretny algorytm robi to z łatwością, gdy jest stosowany do utworów ze standardowej biblioteki używanej do testowania automatycznego rozpoznawania gatunku. Upadł jednak w kolejnych testach, w których uczniowie wystawiali go na muzykę poza biblioteką, w której był szkolony.
Niepowodzenie swojego algorytmu w działaniu na wolności przypisują niewystarczająco dużej bibliotece szkoleniowej, o której sieć się przede wszystkim uczyła. Ponieważ ich algorytm był w stanie przeżuć 240 piosenek w zaledwie dwie godziny, studenci z Hongkongu twierdzą, że ma on potencjał, by być dość skalowalnym.
Co ciekawe, zawiła sieć neuronowa, na której opiera się ta praca, została pierwotnie zainspirowana badaniem kory wzrokowej kota. Koty, jako ssaki, mają korę wzrokową podobną do naszej. Eksperymenty przeprowadzone na pokrewnym gatunku, fretkach, wykazały, że w przeciwieństwie do tego, co zrobiono w tym artykule, gdzie wizualna sieć neuronowa została zastosowana do problemu ze słuchem, możliwe jest ponowne podłączenie mózgu ssaka do zobacz z korą słuchową .
Jeśli zawiłe sieci neuronowe są tak elastyczne, jak systemy percepcyjne ssaków, na których są oparte, dlaczego nie stosuje się ich do wszelkiego rodzaju innych problemów percepcji w sztucznej inteligencji?