Cancela, BraisEiras-Franco, CarlosQuintillán Quintillán, DanielEnxeñaría informática, Grao en2022-08-102022-08-102022http://hdl.handle.net/2183/31264[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.engAtribución 3.0 Españahttp://creativecommons.org/licenses/by/3.0/es/http://creativecommons.org/licenses/by/3.0/es/Sequence LearningSymbolic representationLanguage modelsMulti-task learningImbalanced classificationSelf-supervised learningMonophonic musicDeep learningbachelor thesisopen access