| 1 |
1
인공 신경망을 이용하여 자동으로 작곡하는 방법에 있어서,인공 신경망이 학습할 곡(이하, '제1 학습곡'이라 칭함)을 구성하는 다수의 음표를 숫자 형태로 변환하여 n개의 숫자들로 이루어진 시계열 데이터를 생성하는 제1 단계; 및 상기 시계열 데이터를 이용하여 상기 인공 신경망을 학습시키는 제2 단계;를 포함하고,상기 제2 단계는, n'(여기서, n'＜n)개의 숫자들로 이루어진 시계열 데이터(이하, '학습 시계열 데이터')를 상기 인공 신경망에 입력시, 상기 학습 시계열 데이터에 고유하게 할당되고 다수 개의 숫자들로 이루어진 마디구분 정보를 상기 인공 신경망에 함께 입력함으로써, 상기 인공 신경망이 상기 학습 시계열 데이터와 상기 마디구분 정보를 함께 이용하여 학습하도록 구성되며,상기 시계열 데이터는 상기 제1 학습곡에 대한 시계열 데이터 및 상기 제1 학습곡과 구분되는 제2 학습곡에 대한 시계열 데이터를 포함하고,상기 제2 단계는, 상기 제1 학습곡을 먼저 학습하고 이어서 상기 제2 학습곡을 학습하도록 구성되며, 상기 제1 학습곡은 MSE(Mean Square Errors) 값 '0' 을 학습 종료 조건으로 하여 학습을 진행하도록 구성되고, 상기 제2 학습곡은 '0'보다 큰 MSE 값을 학습 종료 조건 하여 학습을 진행하도록 구성되는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 2 |
2
제1 항에 있어서,상기 학습 시계열 데이터는 제1 학습 시계열 데이터, 제2 학습 시계열데이터 및 제N 학습 시계열 데이터를 포함하고,상기 인공 신경망에 상기 제1 학습 시계열 데이터의 입력시 상기 제1 학습 시계열 데이터에 매칭되는 제1 마디구분 정보를 함께 입력하여 학습시키고,상기 인공 신경망에 상기 제2 학습 시계열 데이터의 입력시 상기 제2 학습 시계열 데이터에 매칭되는 제2 마디구분 정보를 함께 입력하여 학습시키고,상기 인공 신경망에 상기 제N 학습 시계열 데이터의 입력시 상기 제N 학습 시계열 데이터에 매칭되는 제N 마디구분 정보를 함께 입력하여 학습시키며,상기 제1 마디구분 정보, 상기 제2 마디구분 정보 및 상기 제N 마디구분 정보는 서로 상이한 숫자 배열을 갖도록 구성되는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 3 |
3
제1 항에 있어서,상기 제2 단계의 상기 인공 신경망의 학습시 사용된 마디구분 정보 중 적어도 하나 이상을 상기 인공 신경망에 입력하는 제3 단계; 및 상기 인공 신경망이 상기 제3 단계에서 입력된 마디구분 정보를 기반으로 신규곡을 출력하는 제4 단계를 더 포함하고,상기 제3 단계는, 서로 상이한 숫자 배열을 갖도록 구성된 제1 마디구분 정보, 제2 마디구분 정보 및 제N 마디구분 정보로 이루어진 마디구분 그룹이 적어도 2회 이상 연속적으로 반복 입력되는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 4 |
4
제1 항에 있어서,상기 마디구분 정보는, 상기 마디구분 정보를 구성하는 각 숫자에 해당하는 마디값; 및 다수 개의 마디구분 정보를 상호 구분하기 위해 각 마디구분 정보에 부여되는 고유값인 아이디(ID)로 이루어지는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 5 |
5
인공 신경망을 이용하여 자동으로 작곡하는 방법에 있어서,인공 신경망이 학습할 곡(이하, '제1 학습곡'이라 칭함)을 구성하는 다수의 음표를 숫자 형태로 변환하여 n개의 숫자들로 이루어진 시계열 데이터를 생성하는 제1 단계; 및 상기 시계열 데이터를 이용하여 상기 인공 신경망을 학습시키는 제2 단계;를 포함하고,상기 제2 단계는, n'(여기서, n'＜n)개의 숫자들로 이루어진 시계열 데이터(이하, '학습 시계열 데이터')를 상기 인공 신경망에 입력시, 상기 학습 시계열 데이터에 고유하게 할당되고 다수 개의 숫자들로 이루어진 마디구분 정보를 상기 인공 신경망에 함께 입력함으로써, 상기 인공 신경망이 상기 학습 시계열 데이터와 상기 마디구분 정보를 함께 이용하여 학습하도록 구성되며,상기 인공 신경망(이하, '음표용 인공신경망')과 구분되는 또 다른 하나의 인공 신경망(이하, '쉼표용 인공신경망')을 더 포함하고,상기 제1 학습곡을 구성하는 다수의 음표와 쉼표를 숫자 형태로 변환한 시계열 데이터를 이용하여, 상기 쉼표용 인공신경망이 쉼표의 위치를 학습하는 단계; 및상기 음표용 인공신경망이 신규곡을 생성하는 과정에서 상기 학습된 쉼표용 인공신경망이 쉼표를 출력하는 단계;를 더 포함하며,상기 쉼표용 인공신경망이 상기 쉼표를 출력시, 상기 출력 위치에 상기 쉼표가 존재하는 것으로 상기 신규곡을 생성하고,상기 출력 위치에, 상기 음표용 인공신경망에 의해 출력된 음표가 기존재할 경우, 상기 음표를 상기 쉼표로 대체하는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 6 |
6
삭제
|
| 7 |
7
제1 항에 있어서,상기 제2 학습곡의 상기 MSE 값은, 상기 제1 학습곡을 먼저 학습한 상기 인공 신경망에 상기 제2 학습곡을 적용하여 초기 MSE를 산출한 후, 상기 산출된 초기 MSE에 대한 특정 비율(R1)(여기서, 0＜R1＜1)을 상기 제2 학습곡의 MSE 값으로 설정하도록 구성되는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 8 |
8
인공 신경망을 이용하여 자동으로 작곡하는 방법으로서,제1 계층의 인공신경망(100)이 학습할 곡(이하, '제1 학습곡'이라 칭함)을 구성하는 다수의 음표 및 박자를 숫자 형태로 변환하여 시계열 데이터를 생성하는 단계; 상기 시계열 데이터를 이용하여 상기 제1 계층의 인공신경망을 학습시키는 단계; 상기 제1 계층의 인공신경망이 초기 신규곡을 출력하는 단계; 제2 계층의 제1 인공신경망(21)이 상기 초기 신규곡 중 제1 영역의 멜로디를 학습하여 전반부 신규곡을 출력하는 단계; 제2 계층의 제2 인공신경망이 상기 초기 신규곡 중 제2 영역의 멜로디를 학습하여 중반부 신규곡을 출력하는 단계; 제2 계층의 제3 인공신경망이 상기 초기 신규곡 중 제3 영역의 멜로디를 학습하여 후반부 신규곡을 출력하는 단계; 및 상기 전반부 신규곡, 상기 중반부 신규곡 및 상기 후반부 신규곡을 연결하여 하나의 최종 신규곡을 생성하는 단계를 포함하고,상기 제2 계층의 제1 인공신경망이 상기 전반부 신규곡을 출력하는 단계는, 상기 제1 영역의 멜로디를 구성하는 다수의 음표가 숫자 형태로 변환되어 n개의 숫자들로 이루어진 시계열 데이터를 이용하여 상기 제2 계층의 제1 인공신경망을 학습시키는 단계(이하, '제2 계층의 제1 인공신경망 학습단계'라 함)를 포함하고,상기 제2 계층의 제1 인공신경망 학습단계는, n'(여기서, n'＜n)개의 숫자들로 이루어진 시계열 데이터(이하, '학습 시계열 데이터')를 상기 제2 계층의 제1 인공신경망에 입력시, 상기 학습 시계열 데이터에 고유하게 할당되고 다수 개의 숫자들로 이루어진 마디구분 정보를 상기 제2 계층의 제1 인공신경망에 함께 입력함으로써, 상기 제2 계층의 제1 인공신경망이 상기 학습 시계열 데이터와 상기 마디구분 정보를 함께 이용하여 학습하도록 구성되는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 9 |
9
제8 항에 있어서,상기 제1 영역은 복수 개의 마디로 이루어지고, 상기 제2 영역은 상기 제1 영역 이후에 이어지는 또 다른 복수 개의 마디로 이루어지며, 상기 제3 영역은 상기 제2 영역 이후에 이어지는 또 다른 복수 개의 마디로 이루어지는 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
| 10 |
10
제8 항에 있어서,상기 초기 신규곡에 있어서 갖춘마디 대비 박자가 초과하는 마디(이하, '초과마디')가 존재할 경우 상기 초과마디를 갖춘마디로 보정하는 박자 후처리 단계를 더 포함하고,상기 제1 영역의 멜로디는 상기 박자 후처리된 신규곡의 제1 영역의 멜로디인 것을 특징으로 하는 계층적 인공 신경망을 이용한 자동 작곡 방법
|
