Podobieństwo melodii i jego rozpoznawanie przez komputer użyciu narzędzi automatycznego uczenia się

Abstract

W rozprawie rozważny jest problem automatycznego rozpoznawania podobieństwa melodii w taki sposób, jak robi to człowiek. Stworzono zestaw danych z wieloma różnymi sztucznymi modyfikacjami oryginalnych melodii w celu przetestowania algorytmów klasyfikcji. Dodatkowo stworzono autorskie oprogramowanie Generator, za pomocą którego można było generować różne modyfikacje melodii oryginalnej, jak również generować pliki do oprogramowania Weka czy Orange, w których dokonano szczegółowej analizy danych i procesu automatycznego uczenia się. Najlepszym algorytmem okazł się algorytm J48 i został wybrany do przeprowadzenia szerszej analizy. Głównym celem przeprowadzonych badań było naucznie maszyny rozpoznawać podobieństwo melodii podobnie jak człowiek. Dzięki wstępnym badaniom, które pokazły, że ropoznawanie melodii nie zależy czynników ludzkich, stworzono matematyczne atrybuty, za pomocą których wraz z użyciem maszynowego uczenia się i odpowiedniego oprogramowania udało się ten cel osiągnąć. Jego skuteczność - w przypadku stwierdzenia, czy dwie melodie są podobne - sięga prawie 80% (podział na dwie klasy) oraz ponad 66% w przypadku oceny stopnia podobieństwa (podział na pięć klas). To bardzo zadowaljące wyniki i ważne osiągnięcie. Odczucie ludzkie są niemierzalne, a wyniki badań pokazały, że udało się matematycznie opisać rozpoznawanie podobieństwa melodii oraz stopień tego podobieństwa. Ponadto w rozprawie poruszono zagadnienia z teorii wiedzy, umysłu, relacji między matematyką a muzyką, estetyką a porządkiem, percepcji, a także maszynowego uczenia się oraz sztucznej inteligencji.The problem of the automatic in a way that is done by humans is considered in this dissertation. A data set was created with many different artificial modifications of the original melodies to test several classification algorithms. In addition, software Generator was created, with the help of which is was possible to generate various modifications of the original melody, as well as generate files for Weka or Orange software, in which a detailed data analysis and automatic learning process were performed. The best algorithm turned out to be the J48 algorithm and it was chosen for a broader analysis. The main purpose of the research was to teach the machine to recognize the similarity of melodies in a human-like manner. Thanks to initial research, which showed that melody recognition is not dependent on human factors, mathematical attributes were created with which, together with the use of machine learning and appropriate software, this goal was achieved. Its effectiveness, in the case of two similar melodies reaches almost 80% (two classes) and over 66% in the case of assessing the degree of similarity (five classes) This is very satisfactory result of the research indicated that it was possible to describe mathematically the recognition of melody similarity and the degree of this similarity. In addition, the dissertation raise issues in the theory of knowledge, mind, the relationship between mathematics and music, aesthetics and order, perception, machine learning and artificial intelligence.