harmonIA
modelagem preditiva de sucessões cordais por aprendizagem computacional profunda
DOI:
https://doi.org/10.52930/mt.v7i2.232Resumo
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.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2023 Fernando Rauber Gonçalves

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.