Melodielernen mit neuronalen Netzen

Diplomarbeit aus dem Jahr 1996 im Fachbereich Ingenieurwissenschaften - Knstliche Intelligenz, Note: 1,0, Karlsruher Institut fr Technologie (KIT) (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Zusammenfassung:
In dieser Diplomarbeit wird ein System vorgestellt, das in der Lage ist, eine praxisrelevante musikalische Problemstellung - das Variieren einer Choralmelodie - zu lsen. Dabei werden wesentliche Bestandteile des musikalischen Wissens von knstlichen neuronalen Netzen erlernt. Sobald dieses Wissen eintrainiert ist, kann das System Umspielungen zu neuen Melodien komponieren.
Kern des Systems sind mehrschichtige Feedforward-Netze, die mit Beispielen aus den Choralpartiten von Johann Pachelbel (1653-1706) trainiert werden. Eine wesentliche konzeptionelle Grundlage dafr ist die Betrachtung von Umspielungsmotiven in diesen Partiten. Diese Motive werden mit Hilfe eines Abstandsmaes klassifiziert und die Partiten dann auf einer bergeordneten Abstraktionsebene als Folgen von Motivtypen betrachtet.
Das System lernt zunchst die abstrakte Folge der Motivtypen. In einem zweiten Schritt wird jedes Motiv in Abhngigkeit von seiner Zuordnung zu einem Typ mit konkreten Noten auskomponiert. Dabei lernt das Gesamtsystem nicht nur lokal gute Umspielungsmotive zu finden. Auch grere musikalische Strukturen in den Partiten werden reproduziert und erzeugt.
Die Ergebnisse der vorliegenden Arbeit bieten interessante Einblicke in die musikalische Struktur von Choralvariationen und zeigen Parallelen und Unterschiede zwischen menschlichem und maschinellem Lernen auf. Die Beschrnkung auf eine relativ spezielle musikalische Problemstellung fhrt zu Lernerfolgen, die denen eines menschlichen "Schlers" kaum nachstehen. Auf diese Weise gelingt es aber noch nicht ausreichend, allgemeinere Randbedingungen zu erfassen, mit deren Hilfe jeder einigermaen musikalische Mensch sofort "berzeugende" von "schlechten" musikalischen Lsungen unterscheiden kann.
Die musikalische Qualit