Comments 17
http://i.kinja-img.com/gawker-media/image/upload/s--OgH68FsC--/c_fit,f_auto,fl_progressive,q_80,w_636/mi4ozyfa6nhvrdj1ackk.gif (неплохо с нейросетевой драм-машиной смотрится).
Простите, но [искусственная] нейронная сеть это устоявшееся математическое понятие, а именно: это обучаемый параметризированный ациклический граф с послойной структурой. У вас же здесь просто агнетно-ориентированный подход (агенты организованы в граф). Зайдя в статью я ожидал увидеть именно нейронную сеть, которую вы обучили и которая моделирует работу драм-машины. Но я не увидел ни нейронной сети, ни обучения, ни датасетов. И был разочарован, т.к. ожидал другого и потратил свое время. К вам абсолютно не было бы претензий, если бы вы более четко формулировали заголовок.
Я был воодушевлен идеей создать программную модель реальной нейронной сети с различными видами нейронов, в том числе нейроны — водители ритма (пейсмейкеры) и обычные нейроны активации с пороговыми уровнями. Позже добавил нейроны задержки. Поэтому решил закрепить свою идею в названии. Как то так…
Можете подробней описать как функционирует каждый тип ваших нейронов:
1) как информация от других нейронов поступает на вход нейрона. Моделируются ли при этом синапсы, т.е. умножается ли на входе сигнал от другого нейрона на некоторый весовой коэффициент W?
2) что происходит в теле нейрона с входными сигналами от других нейронов? В классической модели нейрона они суммируются, например.
3) что за функции активации?
4) как происходит процесс обучения нейронов?
1) как информация от других нейронов поступает на вход нейрона. Моделируются ли при этом синапсы, т.е. умножается ли на входе сигнал от другого нейрона на некоторый весовой коэффициент W?
2) что происходит в теле нейрона с входными сигналами от других нейронов? В классической модели нейрона они суммируются, например.
3) что за функции активации?
4) как происходит процесс обучения нейронов?
1) Веса синапсов (связей) нейронов моделируются единичной величиной.
2) Текущий сигнал на нейроне равен просто сумме входящих сигналов.
3) В качестве функции активации используется пороговая функция, величина порога которой устанавливается вручную. Т.е. если текущий сигнал нейрона превосходит пороговый уровень, то нейрон активируется, передавая свой единичный сигнал другому нейрону. В момент активации воспроизводится закрепленный за нейроном сэмпл.
4) В данном случае используется своего рода программная модель реальной нейронной сети и ручное управление ею. У меня была идея добавить механизм обучения для произвольных сетей такого вида и выделить из всей сети два класса нейронов входящие и выходящие (как в классическом перцептроне) с настраиваемой сложной внутренней конфигурацией. Но мне показалась эта задача довольно сложной. И все таки хотелось получить ручное управление сетью, т.е. использовать ее основную функцию распространения сигнала.
2) Текущий сигнал на нейроне равен просто сумме входящих сигналов.
3) В качестве функции активации используется пороговая функция, величина порога которой устанавливается вручную. Т.е. если текущий сигнал нейрона превосходит пороговый уровень, то нейрон активируется, передавая свой единичный сигнал другому нейрону. В момент активации воспроизводится закрепленный за нейроном сэмпл.
4) В данном случае используется своего рода программная модель реальной нейронной сети и ручное управление ею. У меня была идея добавить механизм обучения для произвольных сетей такого вида и выделить из всей сети два класса нейронов входящие и выходящие (как в классическом перцептроне) с настраиваемой сложной внутренней конфигурацией. Но мне показалась эта задача довольно сложной. И все таки хотелось получить ручное управление сетью, т.е. использовать ее основную функцию распространения сигнала.
https://play.google.com/store/apps/details?id=com.AffinityBlue.NodeBeat
https://play.google.com/store/apps/details?id=cc.openframeworks.SphereTones
https://play.google.com/store/apps/details?id=cc.openframeworks.SphereTones
NodeBeat похожа, в то время как SphereTones не очень.
Идеей написания моей программы послужил VST плагин Audio Damage Axon:
Могу привести инструмент, которым я также воодушевлялся — это Reactable.
https://play.google.com/store/apps/details?id=com.reactable
Мое приложение было написано в студенческие годы в далеком 2011.
Вот мое первое упоминание о приложении:
http://sv-beat.livejournal.com/1018.html
Далее я усовершенствовал программу от простого перцептрона до произвольной конфигурации нейронной сети.
Идеей написания моей программы послужил VST плагин Audio Damage Axon:
youtube видео
Могу привести инструмент, которым я также воодушевлялся — это Reactable.
youtube видео
Одноименное приложение под андройд: https://play.google.com/store/apps/details?id=com.reactable
Мое приложение было написано в студенческие годы в далеком 2011.
Вот мое первое упоминание о приложении:
http://sv-beat.livejournal.com/1018.html
Далее я усовершенствовал программу от простого перцептрона до произвольной конфигурации нейронной сети.
Вот, Reactable я как раз и гуглил (название забыл, а по всяким ключевым словам типа «visual music composer» ищутся только «классические» «сеточные» редакторы). А NodeBeat в закладках в плэймаркете оказался.
В общем, это не нейроны, это «музыкальные агенты», соединяемые потоками событий (как уже отметили выше). Если уж вам хотелось обозвать это всё каким-нибудь околоматематическим термином.
Но если всё это воспринимать не как искусственную нейросеть (которая уже застолбила за собой название), а именно как исследовательскую модель воспроизведения ритма мозгом (т.е., поиском специализаций нейронов, достаточных для воспроизведения «музыкальных феноменов»), то, наверное, и «простительно» использование слова «нейросеть». Нужно было только в заголовке и в повествовании отметить данный факт как-то, чтобы энтузиасты машинного обучения не разочаровывались.
В общем, это не нейроны, это «музыкальные агенты», соединяемые потоками событий (как уже отметили выше). Если уж вам хотелось обозвать это всё каким-нибудь околоматематическим термином.
Но если всё это воспринимать не как искусственную нейросеть (которая уже застолбила за собой название), а именно как исследовательскую модель воспроизведения ритма мозгом (т.е., поиском специализаций нейронов, достаточных для воспроизведения «музыкальных феноменов»), то, наверное, и «простительно» использование слова «нейросеть». Нужно было только в заголовке и в повествовании отметить данный факт как-то, чтобы энтузиасты машинного обучения не разочаровывались.
Вначале была классическая модель перцептрона с настройкой только количества слоев и нейронов в слое.
Вот как это выглядело:
Потом я усовершенствовал редактор сети до настройки произвольной конфигурации. Поэтому наверно потерялось восприятие, что это классическая нейронная сеть.
Наверно весь парадокс в том, что нейронная сеть есть частный случай агентно-ориентированного графа.
Вот как это выглядело:
Потом я усовершенствовал редактор сети до настройки произвольной конфигурации. Поэтому наверно потерялось восприятие, что это классическая нейронная сеть.
Наверно весь парадокс в том, что нейронная сеть есть частный случай агентно-ориентированного графа.
Спасибо за подробный ответ.
Все таки я считаю, что это именно агентно-ориентированная модель, а не модель нейронной сети.
Все таки я считаю, что это именно агентно-ориентированная модель, а не модель нейронной сети.
Не за что.
Все остались при своем мнении.
Все остались при своем мнении.
Я назвал бы это в стиле «Визуальный редактор ритма Neuron: агентно-ориентированный подход к музыкальному синтезу и композиции». Т.е., слово «нейрон» в вашей концепции задаёт лишь сеттинг для агентов, но принципиально концепцию не меняет. Можно даже скины придумать, чтобы вместо нейронов были зверушки или шестерёнки.
Наконец-то мне стало понятно, что такое на самом деле нейрофанк!
Есть такая стародавняя программа… cema nodal… только у них сайт не открывается. А вдруг проект cema nodal здох и его душа реинкарнировалась в Вашем творческом порыве?
Sign up to leave a comment.
Драм-машина на нейронной сети