2019-06-19 09:50:12 +02:00
\contentsline { chapter} { Streszczenie} { 7} %
\contentsline { chapter} { Abstract} { 9} %
2020-06-15 18:20:53 +02:00
\contentsline { chapter} { Wst\IeC { \k e} p} { 11} %
\contentsline { chapter} { Rozdzia\PlPrIeC { \l } \ 1\relax .\leavevmode @ifvmode \kern .5em Wprowadzenie do sieci neuronowych} { 13} %
\contentsline { section} { \numberline { 1.1\relax .\leavevmode @ifvmode \kern .5em } Regresja liniowa} { 13} %
\contentsline { section} { \numberline { 1.2\relax .\leavevmode @ifvmode \kern .5em } Uczenie modelu} { 14} %
\contentsline { subsection} { \numberline { 1.2.1\relax .\leavevmode @ifvmode \kern .5em } Funkcja kosztu} { 15} %
\contentsline { subsection} { \numberline { 1.2.2\relax .\leavevmode @ifvmode \kern .5em } Znajdowanie minimum funkcji} { 15} %
\contentsline { subsection} { \numberline { 1.2.3\relax .\leavevmode @ifvmode \kern .5em } Metody gradientowe} { 15} %
\contentsline { section} { \numberline { 1.3\relax .\leavevmode @ifvmode \kern .5em } Regresja liniowa jako model sieci neuronowej} { 17} %
\contentsline { section} { \numberline { 1.4\relax .\leavevmode @ifvmode \kern .5em } Funkcje aktywacji} { 19} %
\contentsline { section} { \numberline { 1.5\relax .\leavevmode @ifvmode \kern .5em } Wielowarstwowe sieci neuronowe} { 19} %
\contentsline { subsection} { \numberline { 1.5.1\relax .\leavevmode @ifvmode \kern .5em } Jednokierunkowe sieci neuronowe} { 20} %
\contentsline { subsection} { \numberline { 1.5.2\relax .\leavevmode @ifvmode \kern .5em } Autoencoder} { 21} %
\contentsline { subsection} { \numberline { 1.5.3\relax .\leavevmode @ifvmode \kern .5em } Rekurencyjne sieci neuronowe} { 22} %
\contentsline { subsection} { \numberline { 1.5.4\relax .\leavevmode @ifvmode \kern .5em } LSTM} { 23} %
\contentsline { subsection} { \numberline { 1.5.5\relax .\leavevmode @ifvmode \kern .5em } Sequence-to-sequence} { 26} %
\contentsline { chapter} { Rozdzia\PlPrIeC { \l } \ 2\relax .\leavevmode @ifvmode \kern .5em Wprowadzenie do teorii muzyki} { 27} %
\contentsline { section} { \numberline { 2.1\relax .\leavevmode @ifvmode \kern .5em } Podstawowe koncepcje muzyczne} { 27} %
\contentsline { subsection} { \numberline { 2.1.1\relax .\leavevmode @ifvmode \kern .5em } D\IeC { \' z} wi\IeC { \k e} k muzyczny} { 27} %
\contentsline { subsection} { \numberline { 2.1.2\relax .\leavevmode @ifvmode \kern .5em } Sygna\IeC { \l } d\IeC { \' z} wi\IeC { \k e} kowy} { 27} %
\contentsline { subsection} { \numberline { 2.1.3\relax .\leavevmode @ifvmode \kern .5em } Zapis nutowy} { 27} %
\contentsline { section} { \numberline { 2.2\relax .\leavevmode @ifvmode \kern .5em } Cyfrowa reprezentacja muzyki symbolicznej} { 31} %
\contentsline { subsection} { \numberline { 2.2.1\relax .\leavevmode @ifvmode \kern .5em } Standard MIDI} { 31} %
\contentsline { chapter} { Rozdzia\PlPrIeC { \l } \ 3\relax .\leavevmode @ifvmode \kern .5em Projekt} { 35} %
\contentsline { section} { \numberline { 3.1\relax .\leavevmode @ifvmode \kern .5em } Koncepcja} { 35} %
\contentsline { section} { \numberline { 3.2\relax .\leavevmode @ifvmode \kern .5em } Wst\IeC { \k e} pne przygotowanie danych do treningu} { 36} %
\contentsline { subsection} { \numberline { 3.2.1\relax .\leavevmode @ifvmode \kern .5em } Muzyczne ,,s\IeC { \l } owo''} { 36} %
\contentsline { subsection} { \numberline { 3.2.2\relax .\leavevmode @ifvmode \kern .5em } Konwersja MIDI na sekwencje s\IeC { \l } \IeC { \' o} w muzycznych} { 36} %
\contentsline { subsection} { \numberline { 3.2.3\relax .\leavevmode @ifvmode \kern .5em } Inne aspekty przygotowania danych} { 39} %
\contentsline { subsection} { \numberline { 3.2.4\relax .\leavevmode @ifvmode \kern .5em } Podzia\IeC { \l } danych na dane wej\IeC { \' s} ciowe i wyj\IeC { \' s} ciowe} { 40} %
\contentsline { subsection} { \numberline { 3.2.5\relax .\leavevmode @ifvmode \kern .5em } Inne aspekty przygotowania zbioru ucz\IeC { \k a} cego} { 42} %
\contentsline { section} { \numberline { 3.3\relax .\leavevmode @ifvmode \kern .5em } Definicja modelu} { 44} %
\contentsline { section} { \numberline { 3.4\relax .\leavevmode @ifvmode \kern .5em } Transformacja danych dla modelu} { 44} %
\contentsline { section} { \numberline { 3.5\relax .\leavevmode @ifvmode \kern .5em } Generowanie muzyki przy pomocy wytrenowanego modelu} { 44} %
\contentsline { section} { \numberline { 3.6\relax .\leavevmode @ifvmode \kern .5em } Uczenie modelu} { 44} %
\contentsline { section} { \numberline { 3.7\relax .\leavevmode @ifvmode \kern .5em } Wyniki} { 44} %
\contentsline { section} { \numberline { 3.8\relax .\leavevmode @ifvmode \kern .5em } Wnioski} { 44} %
\contentsline { chapter} { Rozdzia\PlPrIeC { \l } \ 4\relax .\leavevmode @ifvmode \kern .5em Podsumowanie} { 45} %
2020-06-01 11:38:31 +02:00
\contentsline { chapter} { Bibliografia} { 47} %