Tezislər / Theses


Eksperimentlərin nəticələri və müzakirə



Yüklə 17,55 Mb.
Pdf görüntüsü
səhifə108/493
tarix02.10.2023
ölçüsü17,55 Mb.
#151572
1   ...   104   105   106   107   108   109   110   111   ...   493
BHOS Tezisler 2022 17x24sm

Eksperimentlərin nəticələri və müzakirə. 
Təlim toplusu Azərbaycan 
müasir peşakar musiqi sənətinin banisi Üzeyir Hacıbəylinin məşhur əsərlə-
rindən ibarət olan midi formatında musiqi faylları şəklində toplanmışdır. 
Eksperimentdə midi formatlı faylları oxumaq, analiz etmək, və musiqinin bəzi 
xüsusiyyətlərini çıxarmaq üçün Python dilinin güclü kitabxanalarından olan 
“music21”-dən istifadə edilir. 
MIDI faylları daxilində notları diskret ardıcıl məlumat kimi nəzərdən keçir-
məklə biz bu iki modeli öyrədə və onlardan yeni MIDI formatlı musiqi yarat-
maq üçün istifadə edə bildik. Nəticədə hər dövr üçün generator və diskrimina-
torun itkilərini aşağıdakı şəkildəki kimi aldıq: 


THE 3
rd
 INTERNATIONAL SCIENTIFIC CONFERENCES OF STUDENTS AND YOUNG RESEARCHERS 
dedicated to the 99
th
anniversary of the National Leader of Azerbaijan Heydar Aliyev
118
Eksperiment nəticələrinə https://github.com/Adila03/Music-generator.git-də 
baxmaq olar.
Sonuc və gələcək tədqiqatlar 
Bu işdə musiqi generasiyası üçün LSTM və C-RNN-GAN neyron 
şəbəkələrindən istifadə etməklə eksperimentlər aparılmışdır. Gələcək 
tətqiqatlarda daha böyük verilənlər bazası, müxtəlif musiqi janrları və fayl 
formatları tətbiq etmək planlaşdırılır. Həmçinin bu tətqiqatın davamında söz 
və musiqinin birləşdirilməsi ilə də musiqi generasiyasına da baxılacaq. 
Ədəbiyyat 
[1] İmamverdiyev Y., Sadıyeva F., İmamverdiyeva A. Generativ rəqib şəbəkələr: Əsas 
modellərin analizi / Ümummilli lider Heydər Əliyevin anadan olmasının 98 illiyinə həsr 
olunmuş “Universitet reytinqi məsələlərinin əsas problemləri” mövzusunda beynəlxalq 
elmi-praktik konfransı, 2021, s. 179-181 
[2] Briot, J. P., Hadjeres, G., & Pachet, F. D. Deep learning techniques for music generation 
– a survey. arXiv preprint arXiv:1709.01620, 2017. 
[4] Dong, H. W., Hsiao, W. Y., Yang, L. C., & Yang, Y. H. Musegan: Multi-track sequential 
generative adversarial networks for symbolic music generation and accompaniment. 
Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 32, No. 1), 2018. 
[5] Li, G., Ding, S., & Li, Y. Novel LSTM-GAN Based Music Generation. 13th International 
Conference on Wireless Communications and Signal Processing, 2021, pp. 1-6. 
[3] Yang, L. C., Chou, S. Y., & Yang, Y. H. MidiNet: A convolutional generative adversarial 
network for symbolic-domain music generation. arXiv preprint arXiv:1703.10847. 2017. 

Yüklə 17,55 Mb.

Dostları ilə paylaş:
1   ...   104   105   106   107   108   109   110   111   ...   493




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin