211service.com
Uso de redes neuronales para clasificar la música
Nuevo trabajo de estudiantes de la Universidad de Hong Kong describe un uso novedoso de redes neuronales, colecciones de neuronas artificiales o nodos que pueden entrenarse para realizar una amplia variedad de tareas, que antes solo se usaban en el reconocimiento de imágenes. Los estudiantes usaron un red convolucional para aprender características, como el tempo y la armonía, de una base de datos de canciones que se distribuyen en 10 géneros. El resultado fue un conjunto de redes neuronales entrenadas que podían identificar correctamente el género de una canción, que en informática se considera un problema muy difícil, con una precisión superior al 87 por ciento. En marzo, el grupo ganó un premio al mejor trabajo en el Multiconferencia internacional de ingenieros e informáticos .
Lo que hizo posible esta hazaña fue la profundidad de la red neuronal convolucional del estudiante. Las redes neuronales convencionales de las máquinas del núcleo son, como ha dicho Yoshua Bengio de la Universidad de Montreal, poco profundo . Estas redes tienen muy pocas capas de nodos, análogas a las capas de neuronas en su corteza cerebral, para extraer cantidades útiles de información de patrones naturales complejos.
En sus experimentos, los estudiantes, dirigidos por el profesor Tom Li, descubrieron que el número óptimo de capas para el reconocimiento del género musical eran tres capas convolucionales (o de pensamiento), con la primera capa tomando los datos de entrada sin procesar y la tercera capa dando salida al género. datos.
En cada capa (en la foto de arriba), un solo nodo, o neurona, escucha solo una pequeña porción de la canción, aproximadamente 23 milisegundos. Sin embargo, cada nodo se superpone en un 50 por ciento con sus vecinos, por lo que, en total, los muchos nodos de la red neuronal escuchan un poco más de dos segundos de la canción.
Si bien un humano podría tener dificultades para identificar el género de una pista en tan poco tiempo, este algoritmo en particular lo hace fácilmente cuando se aplica a canciones de la biblioteca estándar utilizada para probar el reconocimiento automático de géneros. Sin embargo, fracasó en pruebas posteriores en las que los estudiantes lo expusieron a música fuera de la biblioteca en la que fue entrenado.
Atribuyen la falla de su algoritmo para funcionar en la naturaleza a una biblioteca de entrenamiento insuficientemente grande de la que la red aprendió en primer lugar. Debido a que su algoritmo pudo procesar 240 canciones en solo dos horas, los estudiantes de Hong Kong dicen que tiene el potencial de ser bastante escalable.
Curiosamente, la intrincada red neuronal en la que se basa este trabajo se inspiró originalmente en un examen de la corteza visual del gato. Los gatos, al ser mamíferos, tienen una corteza visual similar a la nuestra. Los experimentos realizados en una especie relacionada, el hurón, han demostrado que, a la inversa de lo que se hizo en este artículo, donde se aplicó una red neuronal visual a un problema de audición, es posible volver a cablear el cerebro de un mamífero para ver con su corteza auditiva .
Si las intrincadas redes neuronales son tan flexibles como los sistemas de percepción de los mamíferos en los que se basan, ¿por qué no se están aplicando a todo tipo de problemas de percepción en la IA?