Använda neurala nätverk för att klassificera musik

Nytt jobb från studenter vid University of Hong Kong beskriver en ny användning av neurala nätverk, samlingar av artificiella neuroner eller noder som kan tränas för att utföra en mängd olika uppgifter, som tidigare endast använts i bildigenkänning. Eleverna använde en konvolutionerande nätverk att lära sig funktioner, som tempo och harmoni, från en databas med låtar som sprids över 10 genrer. Resultatet blev en uppsättning utbildade neurala nätverk som korrekt kunde identifiera genren för en låt, vilket inom datavetenskap anses vara ett mycket svårt problem, med mer än 87 procents noggrannhet. I mars vann gruppen ett pris för bästa papper på Internationell multikonferens för ingenjörer och datavetare .

Det som gjorde denna bedrift möjlig var djupet i elevens konvolutionella neurala nätverk. Konventionella kärnmaskiners neurala nätverk är, som Yoshua Bengio från University of Montreal har uttryckt det, grund . Dessa nätverk har för få lager av noder - analogt med lagren av neuroner i din hjärnbark - för att extrahera användbara mängder information från komplexa naturliga mönster.

I sina experiment upptäckte studenterna, ledda av professor Tom Li, att det optimala antalet lager för musikalisk genreigenkänning var tre konvolutionella (eller tänkande) lager, där det första lagret tog in rå indata och det tredje lagret matade ut genren data.

I varje lager (bilden ovan) hör en enda nod, eller neuron, bara en liten del av låten, cirka 23 millisekunder. Varje nod överlappar dock 50 procent med sina grannar, så totalt hör de många noderna i det neurala nätverket lite mer än två sekunder av låten.

Även om en människa kan vara hårt pressad att identifiera genren för ett spår på så kort tid, gör den här speciella algoritmen så lätt när den appliceras på låtar från standardbiblioteket som används för att testa automatiserad genreigenkänning. Det föll dock platt i efterföljande test där eleverna exponerade den för musik utanför biblioteket där den tränades.

De tillskriver misslyckandet med deras algoritm att fungera i det vilda till ett otillräckligt stort träningsbibliotek som nätverket lärde sig från första hand. Eftersom deras algoritm kunde tugga igenom 240 låtar på bara två timmar, säger Hong Kong-studenterna att den har potential att vara ganska skalbar.

Spännande nog var det invecklade neurala nätverk som detta arbete bygger på ursprungligen inspirerat av en undersökning av kattens visuella cortex. Katter, som är däggdjur, har visuella cortex inte olikt våra egna. Experiment gjorda på en besläktad art, illern, har visat att det, i motsats till vad som gjordes i denna artikel, där ett visuellt neuralt nätverk applicerades på ett hörselproblem, är möjligt att koppla om en däggdjurshjärna till se med sin hörselbark .

Om invecklade neurala nätverk är lika flexibla som de perceptuella systemen hos däggdjur som de är baserade på, varför tillämpas de inte på alla möjliga andra problem med perception inom AI?

Dölj