Інформаційна система для аналізу гармонії та інтелектуальної підтримки процесу регармонізації
Автор: Коток Максим Сергійович
Кваліфікаційний рівень: магістр
Спеціальність: Аналіз даних (Data Science)
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Автоматичний аналіз музичної інформації (Music Information Retrieval, MIR) є галуззю, що стрімко розвивається та лежить на перетині комп’ютерних наук, цифрової обробки сигналів та музикознавства [1]. Однією з фундаментальних задач в рамках MIR є автоматичне розпізнавання акордів (Automatic Chord Estimation, ACE), що полягає у перетворенні складного аудіосигналу на символьне представлення його гармонічної структури. Ця задача є нетривіальною через високу варіативність тембрів, наявність перкусійних звуків та складність гармонічного контексту в сучасній музиці [2]. Сучасні підходи до вирішення задачі ACE переважно засновані на методах глибокого навчання, зокрема на згорткових нейронних мережах (CNN), які навчаються розпізнавати патерни акордів безпосередньо на спектрограмах аудіосигналу, демонструючи високу точність [3]. Однак, більшість існуючих систем фокусуються виключно на розпізнаванні, залишаючи поза увагою процес творчої підтримки та регармонізації – мистецтва заміни акордів для створення нового емоційного забарвлення. Для вирішення таких творчих завдань ефективними є підходи, побудовані на основі правил (експертні системи), які здатні імітувати процес прийняття рішень музичним теоретиком [4]. Таким чином, виникає потреба в інтегрованих системах, що поєднують точність нейромережевого аналізу з гнучкістю та пояснюваністю експертних систем, що також сприяє подоланню розриву між практичним використанням музичного ПЗ та вивченням теоретичних дисциплін [5]. Об’єкт дослідження – процес аналізу та творчої модифікації гармонічної структури музичних композицій. Предмет дослідження – моделі, методи та архітектурні рішення для побудови інформаційних систем, що поєднують розпізнавання образів в аудіосигналах та механізми інтелектуальної підтримки прийняття рішень на основі баз знань. Мета дослідження: проектування та розробка інформаційної системи для автоматичного аналізу гармонії в аудіофайлах та надання інтелектуальної підтримки користувачу в процесі регармонізації. В результаті виконання роботи було спроектовано та реалізовано програмний прототип веб-системи «Harwork». Система використовує гібридний підхід: попередньо навчена CNN-модель виконує розпізнавання акордів, а розроблена система на основі правил генерує контекстно-залежні та музично обґрунтовані рекомендації з регармонізації. В ході експериментального тестування підтверджено відповідність системи поставленим вимогам: середня точність розпізнавання на еталонному наборі даних склала 84.2% (за метрикою WCSR), а середній час обробки трихвилинного аудіофайлу – 42 секунди. Економічний аналіз підтвердив доцільність проекту, розрахувавши коефіцієнт конкурентоспроможності 1.77 та термін окупності 3.25 роки. Розроблена система є цінним інструментом для музикантів, аранжувальників та студентів. Ключові слова – системний аналіз, аналіз гармонії, регармонізація, машинне навчання, система на основі правил, Music Information Retrieval (MIR). Перелік використаних літературних джерел. 1. Casey, M. A., Veltkamp, R., Goto, M., Leman, M., Rhodes, C., & Slaney, M. (2008). Content-based music information retrieval: Current directions and future challenges. Proceedings of the IEEE, 96(4), 668–696. https://doi.org/10.1109/JPROC.2008.916370 2. Humphrey, E. J., & Bello, J. P. (2012). Four timely observations on the state of automatic chord estimation. In Proceedings of the 13th International Society for Music Information Retrieval Conference (ISMIR) (pp. 451-456). 3. Korzeniowski, F., & Widmer, G. (2016). A fully convolutional deep auditory model for music instrument recognition. In 2016 IEEE International Workshop on Machine Learning for Signal Processing (MLSP). https://doi.org/10.1109/MLSP.2016.7738825 4. Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson. 5. Webster, P. R. (2002). The curriculum as a point of critical reflection: How music technology is challenging our assumptions. Journal of Music, Technology & Education, 1(2-3), 113–128. https://doi.org/10.1386/jmte.1.2-3.113_1