211service.com
Brug af neurale netværk til at klassificere musik
Nyt arbejde fra studerende ved University of Hong Kong beskriver en ny brug af neurale netværk, samlinger af kunstige neuroner eller noder, der kan trænes til at udføre en lang række opgaver, tidligere kun brugt i billedgenkendelse. Eleverne brugte en konvolutionerende netværk at lære funktioner, såsom tempo og harmoni, fra en database med sange, der er spredt over 10 genrer. Resultatet var et sæt trænede neurale netværk, der korrekt kunne identificere genren af en sang, som i datalogi betragtes som et meget svært problem, med mere end 87 procent nøjagtighed. I marts vandt gruppen en pris for bedste papir på International multikonference af ingeniører og dataloger .
Det, der gjorde denne bedrift mulig, var dybden af elevens konvolutionelle neurale netværk. Konventionelle kernemaskiners neurale netværk er, som Yoshua Bengio fra University of Montreal har udtrykt det, overfladisk . Disse netværk har for få lag af noder - analogt med lagene af neuroner i din hjernebark - til at udtrække nyttige mængder information fra komplekse naturlige mønstre.
I deres eksperimenter opdagede de studerende, ledet af professor Tom Li, at det optimale antal lag til musikalsk genre-genkendelse var tre foldende (eller tænkende) lag, hvor det første lag tog de rå inputdata og det tredje lag udsender genren. data.
I hvert lag (billedet ovenfor) hører en enkelt node eller neuron kun en lille del af sangen, omkring 23 millisekunder. Hver node overlapper dog 50 procent med sine naboer, og så i alt hører de mange noder i det neurale netværk lidt mere end to sekunder af sangen.
Mens et menneske kan være hårdt presset til at identificere genren af et nummer på så kort tid, gør denne særlige algoritme det nemt, når den anvendes på sange fra standardbiblioteket, der bruges til at teste automatiseret gengenkendelse. Det faldt dog pladask i de efterfølgende test, hvor eleverne udsatte den for musik uden for det bibliotek, den blev trænet på.
De tilskriver, at deres algoritme ikke fungerer i naturen, til et utilstrækkeligt stort træningsbibliotek, som netværket lærte i første omgang. Fordi deres algoritme var i stand til at tygge gennem 240 sange på kun to timer, siger Hong Kong-studerende, at den har potentialet til at være ret skalerbar.
Spændende nok var det indviklede neurale netværk, som dette værk er baseret på, oprindeligt inspireret af en undersøgelse af kattens visuelle cortex. Katte, som er pattedyr, har visuelle cortex ikke ulig vores egen. Eksperimenter udført i en beslægtet art, ilderen, har vist, at det omvendt af, hvad der blev gjort i denne artikel, hvor et visuelt neuralt netværk blev anvendt på et høreproblem, er det muligt at omkoble en pattedyrs hjerne til se med sin auditive cortex .
Hvis indviklede neurale netværk er lige så fleksible som de perceptuelle systemer hos pattedyr, som de er baseret på, hvorfor bliver de så ikke anvendt på alle mulige andre perceptionsproblemer i AI?