The aesthetics of deconstruction: neural synthesis of transformation matrices using GANs on multichannel polyphonic MIDI data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Deconstruction, a concept that originated from French philosopher Jacques Derrida's post-structuralist theories, has significantly influenced architecture and graphic design. It has evolved into a rhizomatic network of styles and concepts ranging from new architectural geometry to AI. Despite its limited explicit application in music, this paper explores deconstruction within musical aesthetics, especially in the post-1945 serial school. Computer-Aided Design (CAD) methods have become an important part in the deconstructivist architectural design process; similarly, in music, Computer-Aided Composition (CAC) techniques have become important from generative algorithms to AI techniques. In graphic design, such systems (i.e. GANs, VAEs, CNNs, RNNs, Stable Diffusion, Transformers, etc.) have been experimented with. Google's Imagen or OpenAI's DALL-E 2, which automatically generate images from text prompts given by users, use, for example, diffusion models. Also, Google LM is a music equivalent to these. This paper delves into the novel aesthetics brought about by the application of GANs on multichannel polyphonic MIDI data in music, discussing the conceptual grounding of such usage and overcoming the challenges associated with it. Effectively, using our concept of distance matrices rather than, for example, Hidden Markov Models, is more suitable for GAN generation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle