使用门控自编码器学习音乐关系

音乐通常具有高度结构化的特征，如何设计能够成功学习识别并表示音乐结构的模型仍是一个开放问题。一个基本问题是，结构相关的模式可能具有截然不同的表象，因为结构关系通常基于音乐材料的变换，如半音或自然音移位、倒影、逆行或节奏变化。在这项初步研究中，我们研究了两种无监督学习技术——受限玻尔兹曼机（Restricted Boltzmann Machines, RBMs）和门控自编码器（Gated Autoencoders, GAEs）——从构造的数据对中捕获预定义变换的潜力。我们通过将学习到的表示作为判别任务的输入来评估模型，在该任务中，对于给定类型的变换（例如自然音移位），必须识别出两个音乐模式之间的特定关系（例如自然音阶的上行移位）。此外，我们测量了模型在重建音乐变换模式时的重建误差。最后，我们在类比推理任务中测试了这些模型。我们发现使用 RBM 难以学习音乐变换，而 GAE 更适合此任务，因为它能够学习特定变换的表示且在很大程度上与内容无关。我们相信这些结果表明，诸如 GAE 之类的模型可以通过赋予其更好地理解音乐底层结构的能力，为更全面的音乐分析系统提供基础。