Deep Learning Language Models for Music Analysis and Generation

Abstract

[Abstract] In this project, we tackle the problem of predicting the next note in a monophonic musical piece. We choose a symbolic representation and extract it from digital sheet music. The problem is approached as four separate tasks, each of them corresponding to a specific property of the musical note. For each task, we compare the performance of both single and multi-output deep learning algorithms. Despite the severe class imbalance in our dataset, our models manage to generate balanced predictions for the four features.

[Resumo] Neste proxecto tratamos o problema de predicir a seguinte nota nunha peza musical monofónica. Escollemos unha representación simbólica e extraémola dun conxunto de partituras dixitais. Afrontamos o problema como catro tarefas de predicción de propiedades inherentes á nota musical. Para cada tarefa, comparamos o rendemento de algoritmos de aprendizaxe profundo dunha e varias saídas. Aínda que o conxunto de datos está moi descompensado, os nosos modelos son capaces de xerar predicións equilibradas nos catro problemas.