Bolsa de PD em Computação Musical

Post doctoral fellowship in Computer Music

• Resumo Summary

  A composição automática é uma subárea da computação musical que tem como objetivo o desenvolvimento de algoritmos que permitam compor fragmentos musicais automaticamente a partir de métodos matemáticos ou computacionais, tentando preservar uma coerência estética musical predefinida. 
  
  Recentemente, surgiu uma nova subárea chamada Ciência da Canção de Sucesso (Hit Song Science (HSS)) que tem como objetivo caracterizar e predizer canções de grande sucesso comercial. O problema inverso trata da geração automática de estruturas musicais visando o sucesso comercial. 
  
  Devido à alta dimensionalidade deste tipo de dado, este projeto propõe o uso de redes complexas para abordar três objetivos: analise, predição e composição automática de estruturas musicais de sucesso. 
  
  Dessa forma, as redes complexas serão formadas a partir da estrutura musical de cada canção abrangendo diferentes aspectos como altura, ritmo, harmonia e forma musical, obtendo assim quatro sub-redes de diferentes níveis e interligadas para criar uma rede maior (metarede).
   
  Em seguida, medidas de redes complexas serão utilizadas para caracterizar as estruturas musicais a partir das redes construídas. Posteriormente, técnicas de classificação e agrupamento serão aplicadas para categorizar o sucesso musical conforme dados de popularidade obtidos de sites especializados em música como Last.fm e Youtube. 
  
  Por fim, as características musicais extraídas das diferentes classes de sucesso serão utilizadas como características alvo na composição de novas canções usando técnicas de inteligência artificial, por exemplo, Redes Neurais Recorrentes (RNN).
   
  Espera-se que os métodos desenvolvidos possam ser usados na indústria fonográfica e de radiodifusão com o objetivo de prever possíveis canções de sucesso.
   
  Para mais informações sobre a bolsa, favor contatar: Prof. Zhao Liang zhao@usp.br.
  
  Para mais informações sobre o CEPID-CeMEAI: http://cepid.fapesp.br/centro/15/.

  In computer music field, automatic composition aims to develop algorithms that allow automatically compose musical pieces using mathematical or computational methods, trying to preserve musical aesthetic in a coherent manner. 
  
  Recently, a new subfield called Hit Song Science (HSS) that aims to characterize and predict commercially successful songs has been emerged. The inverse problem is the automatic generation of musical structures aiming to commercial success. 
  
  Due to the high dimensionality of this type of data, this project proposes the use of complex networks to address the following goals: analysis, prediction, and automatic composition of musical structures. 
  
  Firstly, complex networks are constructed from the musical structure of each song considering pitch, rhythm, harmony and musical form, thereby obtaining four subnetworks of different levels. 
  
  Then, the subnetworks are joined to generate a larger network (metanetwork). After that, th e complex network measures are used to characterize musical structures. 
  
  Subsequently, techniuqes of classification and clustering are applied to categorize musical success according to the popularity from specialized websites in music, such as Last.fm and Youtube. 
  
  Finally, extracted musical features from different classes of successful musics will be used as target characteristics in the composition of new songs by artificial intelligence techniques, for example, Recurrent Neural Networks (RNN). 
  
  We hope that the methods to be developed can be used in the phonographic industry and broadcasters aiming to predict potential success of songs.
  
  Candidates should contact Prof. Zhao Liang zhao@usp.br.
  
  To learn more about CEPID-CeMEAI: http://cepid.fapesp.br/en/centro/15/.