توسط دیوید بردلی، Inderscience-اعتبار: دامنه عمومی Pixabay/CC0
گامی به سوی بهبود آموزش موسیقی آنلاین با توسعه ابزار هوش مصنوعی که می تواند نت موسیقی را تشخیص دهد در مقاله ای که در مجله بین المللی محاسبات بی سیم و موبایل منتشر شده است، توضیح داده شده است.
کار تینگ ژانگ از آکادمی هنر در دانشگاه Shangluo، Shaanxi، چین، به یک مشکل قدیمی در آموزش موسیقی دیجیتال می پردازد، جایی که توانایی تشخیص و تفسیر نت موسیقی اغلب به دلیل محدودیت های پلت فرم کوتاه است.
این تحقیق نشان می‌دهد که چگونه پردازش تصویر و یادگیری ماشینی می‌تواند به زبان‌آموزان آنلاین کمک کند و به آنها اجازه می‌دهد درک غنی‌تر و دقیق‌تری از مفاهیم موسیقی به دست آورند.
Zhang شبکه عصبی همراه پالس (PCNN) را توسعه داده است، یک شبکه عصبی مصنوعی با الهام از عملکرد نورون‌های بیولوژیکی که در پاسخ به محرک‌های خاص «آتش می‌خورند». به طور سنتی، آموزش موسیقی آنلاین بر بازنمایی دیجیتالی ساده‌شده از نت موسیقی تکیه می‌کند و دانش‌آموزان را در هنگام تلاش برای درک پیچیدگی‌های نمادها و ساختارهای موسیقی، بدون راهنمایی حیاتی می‌گذارد.
به عنوان مثال، مدل PCNN بر بهبود بخش‌بندی دیجیتالی نمادهای موسیقی در یک تصویر از یک قطعه موسیقی تمرکز دارد. با گنجاندن تصحیح طیفی مایل در سیستم، ژانگ قادر است تصویر را به بخش‌هایی برای تمایز دقیق بین نمادها تقسیم کند. این اجازه می دهد تا حتی نمایش های تحریف شده از موسیقی را با در نظر گرفتن نمادهای کج شده یا ناهماهنگی ها به طور دقیق تجزیه و تحلیل کرد.
استفاده از یک شبکه عصبی کانولوشن (CNN) بهینه‌سازی شده برای وظایف تشخیص تصویر، سیستم را کارآمد و دقیق می‌کند و تا ۹۷٪ درصد موفقیت را به آن می‌دهد.
برای دانش‌آموزان، سیستم تشخیص نشانه‌گذاری پیشرفته می‌تواند به آنها بازخورد در زمان واقعی بدهد، حتی زمانی که معلمی برای بحث در دسترس نیست. این سیستم آموزش های حضوری را تقلید می کند، جایی که معمولاً بازخورد فوری در دسترس است. محققان پیشرفت های قابل توجهی را در درک دانش آموزان از زیر و بم و ریتم و درک مفاهیم پایه تئوری موسیقی مشاهده کردند.
