Um ambiente híbrido inteligente para previsão de acordes musicais em tempo real

Abstract

Motivados pela demanda do mercado de software musical, bem como pelo interesse científico envolvido no problema de previsão de séries temporais [Weigend, 1993], desenvolvemos um ambiente capaz de realizar previsões de acordes de canções de Jazz em tempo real. Nós propusemos uma arquitetura híbrida original que tem como base uma rede neural MLP-backpropagation atuando de forma concorrente com um rastreador de seqüências repetidas de acordes. A rede neural faz um aprendizado prévio a partir de diversos exemplos de canções, extraindo os padrões curtos de seqüências de acordes típicas. O sistema rastreador funciona capturando em tempo real as repetições (refrões, estrofes, etc.) dentro de uma dada canção, as quais escapariam à rede neural. Trata-se da problemática geral de aprendizado a priori versus aprendizado situado, em tempo real. Com a arquitetura híbrida proposta e uma representação rica do acorde musical, obtivemos resultados muito acima dos registrados na literatura dedicada ao problema