harmonIA

modelagem preditiva de sucessões cordais por aprendizagem computacional profunda

Autores

  • Fernando Rauber Gonçalves Universidade Federal do Rio Grande do Sul

DOI:

https://doi.org/10.52930/mt.v7i2.232

Resumo

Neste artigo, apresento um software prototípico para manipulação e visualização interativa de sucessões de acordes geradas por um modelo preditivo conexionista e discuto criticamente os resultados obtidos. Foram treinados modelos empíricos para tonalidades, compositores e estilos a partir de um corpus  de 52.203 canções populares cifradas, coletado por scraping  (extração automatizada) de um site colaborativo de cifras de acordes. Os dados brutos passaram por filtragem e tratamento para obtenção de melhor consistência e eficiência na modelagem. A aprendizagem computacional empregada utilizou Redes Neurais Recorrentes com células LSTM (Long Short-Term Memory), arquitetura escolhida pela sua capacidade em modelar dependências e relacionamentos em dados sequenciais. Em busca de indícios do sucesso da modelagem, foram avaliadas a capacidade de generalização dos modelos de tonalidades aprendidos em sucessões harmônicas com implicações funcionais claras – extraídas da música popular brasileira – bem como a capacidade de contextualização a partir dos elementos prévios.

Biografia do Autor

Fernando Rauber Gonçalves, Universidade Federal do Rio Grande do Sul

Fernando Rauber Gonçalves (fraubergoncalves@gmail.com) é professor de Harmonia e Análise Musical na Universidade Federal do Rio Grande do Sul (UFRGS). Doutor em Práticas Interpretativas (Piano) pela UFRGS, desenvolve intensa atividade como recitalista e camerista. Mais recentemente, tem atuado também como cravista e organista em ensembles de música antiga. Seus interesses atuais incluem o desenvolvimento de softwares relacionados ao ensino da teoria e análise musical, estudos de tratados de baixo cifrado e partimenti bem como de aspectos históricos da teoria harmônica. É tesoureiro da Associação Brasileira de Teoria e Análise Musical (TeMA) na Gestão 2022–2024.

Downloads

Publicado

2023-03-01

Edição

Seção

Artigos