, Il se veut simple et performant De plus, son utilisation est très répandue (dizaine de millions d'utilisateurs) Sa première version a été créée en 2005 et il est encore développé à l'heure actuelle
, il est encore maintenu actuellement. La version 2.1 a été publiée le 2 Mai 2017 En somme, son interface est simple d'utilisation et rapide à prendre en main. 6. https
, Bachbot : Automatic composition in the style of bach chorales
, Navigating the Oracle : a Heuristic Approach, Proceedings of the International Computer Music Conference, pp.405-412, 2007.
URL : https://hal.archives-ouvertes.fr/hal-01161388
, Using multidimensional sequances for improvisation in the OMax paradigm, 2016.
, Improvisation musicale homme-machine guid??e par un sc??nario temporel, Technique et science informatiques, pp.651-684, 2014.
DOI : 10.3166/tsi.23.651-684
URL : https://hal.archives-ouvertes.fr/hal-01107194/document
, Improvisation et réinjection stylistiques in Le feed-back dans la création musicale contemporaine -Rencontres musicales pluri-disciplinaires, pp.1-1, 2006.
, Omax, the software improviser, IRCAM, 2004.
, YIN, a fundamental frequency estimator for speech and music, The Journal of the Acoustical Society of America, vol.111, issue.4, 2002.
DOI : 10.1121/1.1458024
, Factor Oracle: A New Structure for Pattern Matching, SOFSEM'99, Theory and Practice of Informatics, pp.291-306, 1999.
DOI : 10.1007/3-540-47849-3_18
URL : https://hal.archives-ouvertes.fr/hal-00619846
, Improvisation musicale multidimensionnelle dans le paradigme OMax, Journées Jeunes Chercheurs en Acoustique, Audition et Signal, 2016.
, Learning musical structure directly from sequences of music, 2008.
, Learning to forget : Continual prediction with lstm, Neural Computation, 2000.
DOI : 10.1162/089976600300015015
URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.35.4170
, Learning Nonregular Languages: A Comparison of Simple Recurrent Networks and LSTM, Neural Computation, vol.14, issue.9, 2002.
DOI : 10.1162/089976601750399326
, Reinforcement Learning : An introduction. Second Edition, 2012.
DOI : 10.1007/978-1-4615-3618-5
, Learning to Create Jazz Melodies Using Deep Belief Nets, Proceedings Of The International Conference on Computational Creativity, 2010.
, Bidirectional recurrent neural networks, IEEE Transactions on Signal Processing, vol.45, issue.11, 1997.
DOI : 10.1109/78.650093
URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.331.9441
, Dropout : A Simple Way to Prevent Neural Networks from Overrtting, Journal of Machine Learning Research, vol.15, 2014.
, Grid'5000: A Large Scale And Highly Reconfigurable Experimental Grid Testbed, The International Journal of High Performance Computing Applications, vol.2, issue.2, 2006.
DOI : 10.1145/1060289.1060313
URL : https://hal.archives-ouvertes.fr/hal-00684943
, A pattern recognition approach for melody track selection in midi les, Proc. of the 7th Int. Symp. on Music Information Retrieval ISMIR 2006, pp.61-66, 2006.
, Recurrent Neural Network Regularization, International Conference on Learning Representations, 2015.
, Generative adversial imitation learning, 2016.
, Listen, attend and spell, 1211.
DOI : 10.1109/icassp.2016.7472621
, Attention and Augmented Recurrent Neural Networks, Distill, vol.1, issue.9, 2016.
DOI : 10.23915/distill.00001
URL : http://arxiv.org/pdf/1410.5401.pdf
, Playing atari with deep reinforcement learning, NIPS Deep Learning Workshop, 2013.
, Ibm builds biggest data drive ever, Liste des illustrations 2.1 Schéma montrant le processus de réinjection stylistique, 2011.
, Image issue de la documentation d'OMax [8
, Les scores sont normalisés. Nous obtenons la probabilité P(i ? 1), resp. P(i ? j), la probabilité d'aller de i à 1, resp. i à j
, Ce neurone possède 2 entrées, un biais, 3 poids, une fonction d'activation déénie par f (x) = x, et une sortie, p.20
, Chaque cercle représente un neurone, Ses caractéristiques sont : 3 entrées, 2 sorties et 2 couches cachées. . . . . . . . . 22
, Illustration issue de [15], p.24
, La politique initiale consiste à choisir une action au hasard. À chaque itération, nous observons que le choix des actions pour un état donné se précise, se réduisant à une ou deux actions. La politique optimale détermine l'action à faire selon l'état aan de minimiser les malus, p.28
, La partie hachurée modélisera les notes jouées, l'autre partie modélisera les notes anticipées, p.33
, En bleu (en bas) sont représentés les entrées En orange (au centre) nous observons deux RNNs allant dans deux directions : la première suivant le temps, l'autre "remontant" le temps. En rouge (en haut) nous avons les sorties, p.34
, Le modèle a prédit au total dix fausses mélodies, seules deux sont réellement fausses, les huit autres étaient bonnes Le modèle a prédit 10 bonnes mélodies et parmi ces dix quatre étaient fausses et les six autres sont bonnes, p.42