트리 기반의 코드 표현과 역전파 신경망을 이용한 작곡 알고리즘 구현 = Implementation of Composition Algorithm Using Tree-based Chord Representation and Backpropagation Neural Network

국문 초록 (Abstract)

디지털 컴퓨터 기술의 발전은 멀티미디어 콘텐츠 산업을 탄생시켰고 또한, 컴퓨터 음악을 일반화시키며 대중음악의 제작 및 유통 등, 음원 시장의 패러다임을 변화시키고 있다. 특히, 음악의 작곡에 있어서도 과거와는 다른 방법론 들이 보고되고 있는 바, 그럼에도 불구하고 여전히 대중음악의 작곡은 전문 작곡가의 전유물처럼 여겨지고 있다.
본 논문에서는 공학과 예술의 융합학문 분야로 그 영역을 구축하고 있는 엔지니어링 아트(Engineering Art)분야에서 이용되고, 응용 될 수 있는 신경회로망 기반의 작곡 알고리즘 방법에 대하여 제안하였다.
첫째, 대중음악의 코드진행을 분석하여 모든 코드에서의 진행 가능한 조화로운 코드를 분석하고 트리기반 코드나열 규칙에 따라 코드를 조합하여 코드 작곡을 수행하였다.
둘째, 기존 대중음악의 코드 간 멜로디 변화를 역전파 신경망 학습 방법을 이용하여 학습시켜, 멜로디의 초기 패턴이 기존의 곡과 다르게 부여되었을 경우 새로운 멜로디 패턴을 생성하였다.
셋째, 조화로운 코드 나열을 통한 코드 작곡 결과물에 기존 작곡가의 멜로디 변화를 신경망으로 학습시킴으로써, 코드진행은 동일하지만 멜로디 패턴은 상이한 새로운 유형의 최종 작곡 결과물을 도출하였다.
결과적으로, 본 연구를 통하여 과거 혹은 현존하는 작곡가들의 작곡 성향을 학습시킨 새로운 멜로디의 곡들을 생성 할 수 있었으며, 제안한 알고리즘을 활용하면 여러 작곡가들에 대한 각각의 개성을 포함하는 다양한 장르의 음악 패턴을 컴퓨터 기반의 새로운 작곡 유형으로 변환이 가능함을 입증하였다.

다국어 초록 (Multilingual Abstract)

Along with the advancement of digital computer technology, miltimedia contents industry has been emerged and also been popularized the computer-based music. Especially, in the fields music composition, some new different methods has been reported. But nevertheless, the realm of popular music composition is likely to regard it as a monopoly and is still being considered as a exclusive privilege for a professional composers.
In this dissertation, the methodology of music composition by using tree-based chord representation and backpropagation neural network is proposed. Indeed, these kind of algorithms could be applied to the field of engineering art, which is known for the convergence science.
To verify the proposed method, some experiments are carried out as follows:
1. After analyzing all kinds of possible chord progress for popular music, the rule of tree-based chord arrangement is produced. This tree-based rule could be used for promary basis for the chord composition.
2. The change of popular music melody among the chords is trained using backpropagation neural network. In the middle of learning, each melody is convert into the bit pattern, and then used for the input layer neurons.
3. Based on the trained vector, a new sets of bit pattern are first obtained on the output layer of neural network. These bit patterns are reconvert to the melody type after finishing the neural network learning.
4. Finally, A different sets of new melody are generated, and these melody, nevertheless the chord progress, are quite different form the original music.
Result in some experiments, it shows that proposed approach has some attractive properties in comparison with other typocal composition method. This method allows us to create a new different types of music only based on computer for given chord. And one more significant advartage of just beginner who doesn't even knows about melody, chord and ture.

목차 (Table of Contents)

• 제1장 서론 = 1
• 제1절 디지털 시대의 대중음악 = 1
• 제2절 연구 배경 = 3
• 제2장 대중음악과 컴퓨터 음악 = 5
• 제1절 대중음악 = 5
• 제2절 대중음악의 구성요소 = 8
• 1. 선율(Melody) = 8
• 2. 화성(Harmony) = 9
• 3. 화음(Chord) = 10
• 4. 리듬(Rhythm) = 10
• 5. 박자(Beat) = 11
• 제3절 컴퓨터 음악 개요 = 12
• 제4절 미디 = 13
• 제5절 미디의 구성요소 = 16
• 1. 시퀀서 프로그램 = 16
• 2. 신디사이저 랙 모듈 = 17
• 3. 연주 제어기 = 18
• 4. 신디사이저 = 19
• 5. 하드웨어형 시퀀서 = 19
• 6. 오디오 믹서 = 20
• 7. 샘플러 = 21
• 제3장 코드 작곡 이론과 신경망 기반 멜로디 작곡 알고리즘 = 24
• 제1절 코드 우선 작곡법 = 24
• 1. 대중음악 코드진행 분석 = 26
• 2. 코드나열을 통한 코드기반 작곡 = 31
• 제2절 신경망 모델 = 36
• 1. 패턴 인식을 위한 신경망 = 36
• 2. 역전파 학습 알고리즘 = 38
• 3. 역전파 학습 알고리즘의 학습과정 = 48
• 제3절 신경망 기반 멜로디 작곡 알고리즘 = 52
• 1. 비트맵 패턴 변환 = 54
• 2. 역전파 신경망을 이용한 새로운 멜로디 패턴 생성 방법 = 56
• 제4장 실험 및 고찰 = 64
• 제1절 실험 환경 = 64
• 제2절 역전파 신경망을 적용한 멜로디 생성 = 65
• 제3절 조화로운 코드나열을 통한 코드기반 작곡 = 78
• 제4절 멜로디 작곡 성향 학습을 통한 인공지능 작곡 = 80
• 제5장 결론 = 90
• 참고문헌 = 92
• Abstract = 97