최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
박재형, 장경준, 김철홍, 김정희, 김영균, 윤현민
2015 / Journal of Pharmacopuncture
Yan T.,Huang L.,Yan Y.,Zhong Y.,Xie H.,Wang X.
2023 / Photodermatology Photoimmunology and Photomedicine
데이터가 존재하지 않습니다.
loading...
본 논문은 계층적 인공신경망을 이용하여 곡의 멜로디가 전/중/후 별로 전개되는 구성을 갖춘 곡을 자동으로 생성하는 방법을 제안합니다. 첫 번째 계층에서는 기존 곡 또는 무작위 멜로디를 학습하고, 두 번째 계층에서는 전/중/후별 인공신경망을 통해 곡을 완성하며, 반복 구조 및 후처리 과정을 거쳐 최종 곡을 생성합니다.
인공지능, 문학과 예술을 만나다
맥스를 이용한 인터랙티브 알고리듬 작곡법 =
(청소년을 위한) AI 최강의 수업
국악에 기술 한 방울 : 4차 산업 혁명 시대의 전통음악
생성형 AI와 법 =
삶 속에 들어온 생성형 AI 음악
수학이 사랑한 음악 : 고대부터 AI 음악까지 음악사와 기술사의 교양서
Building machine learning systems with Python : scikit-learn 라이브러리로 구현하는 기계 학습 시스템
미술관에 GAN 딥러닝 실전 프로젝트 : GAN으로 쓰기, 그리기, 게임하기, 작곡하기
Computational Music Analysis
The analysis and cognition of basic melodic structures : the implication-realization model
Virtual music : computer synthesis of musical style
Virtual music : computer synthesis of musical style
생성 AI를 활용한 나만의 콘텐츠 만들기 : 텍스트, 이미지, 오디오, 비디오 생성AI 활용 가이드북
The AI music problem : why machine learning conflicts with musical creativity
딥다 딥러닝 : 수학·이론·실습을 호쾌하게 뚫는다!
인공지능 속 수학
문자와 소리의 정보처리
뇌의 왈츠 : 세상에서 가장 아름다운 강박
작곡, 나도 도전해 볼까? : 모든 사람에게는 작곡할 자격과 재능이 있다!
한국지능시스템학회 논문지
김경환; 정성훈한국지능시스템학회 논문지
김경환, 정성훈멀티미디어학회논문지
오진우; 송정현; 김경환; 정성훈멀티미디어학회논문지
오진우, 송정현, 김경환, 정성훈정보처리학회논문지. 소프트웨어 및 데이터 공학
조제민, 류은미, 오진우, 정성훈디지털콘텐츠학회논문지
김경환, 정성훈디지털콘텐츠학회논문지
김경환; 정성훈IEEE Transactions on Neural Networks and Learning Systems
Ji S.,Yang X.,Luo J.,Li J.IEEE Transactions on Neural Networks and Learning Systems
Shulei Ji; Xinyu Yang; Jing Luo; Juan LiArtificial Intelligence
Wu J.,Liu X.,Hu X.,Zhu J.THIRTY-FIFTH AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE, THIRTY-THIRD CONFERENCE ON INNOVATIVE APPLICATIONS OF ARTIFICIAL INTELLIGENCE AND THE ELEVENTH SYMPOSIUM ON EDUCATIONAL ADVANCES IN ARTIFICIAL INTELLIGENCE
Sheng, Zhonghao; Song, Kaitao; Tan, Xu; Ren, Yi; Ye, Wei; Zhang, Shikun; Qin, TaoJournal of KIISE
Chang Wook Ahn; Jaehun JeongIEEE Transactions on Multimedia, Multimedia, IEEE Transactions on, IEEE Trans. Multimedia
Zhang, Z.; Yu, Y.; Takasu, A.Natural Language Engineering
Fell M.,Nechaev Y.,Meseguer-Brocal G.,Cabrio E.,Gandon F.,Peeters G.International Journal of Arts and Technology
Tian Y.NEURAL PROCESSING LETTERS
Jin, Cong; Tie, Yun; Bai, Yong; Lv, Xin; Liu, ShouxunJournal of Mathematics and Music
Giraldo, Sergio; Ramírez, RafaelJournal of Ambient Intelligence and Humanized Computing
Cai L.,Cai Q.IEEE Access
Ghatas Y.S.,Fayek M.B.,Hadhoud M.M.IEEE Transactions on Cybernetics
Wu J.,Hu C.,Wang Y.,Hu X.,Zhu J.전필 / 학사
단계적 학습을 통해 높은 수준의 독보력 및 청음 기보력, 더 나아가 음악적 인지력을 계발한다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
인간의 음악 지각과 인지에 관한 기존의 사변적, 실험적 연구로 밝혀내지 못했던 문제들을 최근에 뇌파, 뇌영상 기기들을 이용한 신경과학적 연구로 속속 규명해 낼 수 있게 되었다. EEG, ERP, PET, fMRI, MEG 등 기기를 이용하여 인간의 언어 인지능력을 연구하는 다양한 연구방법들이 많은 부분 음악인지에도 적용될 수 있음도 발견되었다. <음악신경과학연구> 수업에서는 이 분야의 기초지식을 배우고 최근의 연구 성과를 살펴본 후, 다양한 연구방법론의 장단점을 논의하고, 궁극적으로는 수강생들 각자가 음악에 대한 신경과학적 연구모델을 디자인해 본다.전선 / 대학원
이 과목에서는 자연어처리에 대한 간단한 소개와 함께, 대표적인 인공신경망 기법들이 자연어처리 어떻게 적용되는지 살펴본다. 최근 일상생활에서도 많이 쓰이는 자연어처리는 인공신경망의 성장과 함께 비약적인 발전을 보였다. 인공신경망을 이용한 딥러닝 기법은 이론적인 면뿐만 아니라, 효율적 계산과 최적화 등의 실험적인 요소가 많아 실습이 중요하다. 이 과목을 듣기 위해서는 기계학습에 대한 기본적인 이해와 파이썬, 딥러닝 모형을 사용하는 능력이 요구된다. 이 강좌는 학생들이 자연어처리의 최근 방법론을 학습하고, 실제 구현하는 능력을 배양하며, 마지막으로 최근 방법론이 가진 한계점, 미래 연구주제에 관해 탐구한다.전선 / 대학원
전통음악은 연주가에 의해 창작되고 변주되며 오랜 시간 축적되어 오늘에 이르렀다. 본 수업은 오늘날 전해진 전통음악을 재해석하고 발전시켜 새로운 음악컨텐츠를 생산하는 데 목적이 있다. 기존 연구논문들에 역보되어 있는 고악보의 악곡들을 활용하여 복원 및 변주를 실습함으로 전통음악 레퍼토리를 활성화 한다. 또한 기존의 정악과 민속음악 중 알려지지 않은 악곡을 찾아내거나 악기편성, 음악 구조 등의 변화를 통한 변주를 시도해본다. 학내 종강 발표회 혹은 공연현장에서의 기획 연주를 모색하여 연구와 실습이 조화를 이루도록 한다.전필 / 학사
단계적 학습을 통해 높은 수준의 독보력 및 청음 기보력, 더 나아가 음악적 인지력을 계발한다.전필 / 학사
단계적 학습을 통해 높은 수준의 독보력 및 청음 기보력, 더 나아가 음악적 인지력을 계발한다.전선 / 학사
인공지능은 사람의 생각과 행동을 모사하고, 이성적인 행위를 통하여, 주어진 목적을 달성하는 시스템을 연구하는 학문 분야이다. 본 수업에서는 인공지능 시스템을 구성하기 위한 다양한 방법론을 논한다. 이는 효율적인 탐색, 지식의 표현, 불확실성에 대한 이해, 상관관계와 인과관계에 대한 이해, 시각, 음성, 자연어 등의 처리, 학습 등을 포함한다. 이를 통해 학생은 인공지능의 핵심 원리와 기술에 대해 수학적, 논리적, 정성적, 정량적, 확률 통계적, 학습적 관점 등으로 종합적인 이해를 한다.전선 / 학사
4차 산업혁명이라 불리는 인공지능시대를 맞아 음악대학에서는 학생들이 시대적 변화에 맞추어 음악적 역량 발전시킬 수 있는 학습의 장을 마련하고자, 세 영역의 교수(연주실기, 미학, 테크놀로지)가 공동으로 참여하는 수업을 개설하고자 한다. 본 수업은 빅데이터와 AI 기반의 디지털혁신이 전 산업 분야로 확산되는 변화의 시대에 창의적인 사고를 통해 세계적인 변화를 주도할 음악인재(창작, 연주, 이론) 양성을 목표로 한다. 주요 내용: (1) 빅데이터, 딥러닝, AI(인공지능)에 대한 이해를 높이고 이를 활용한 음악 분야의 콘텐츠에 대한 기초 지식과 전망을 제시한다. (2) 새로운 디지털 도구에 대한 이해를 통해 적용 가능한 음악 컨텐츠 개발을 모색하고 창의적 창작, 연주의 실제적 음악 활용을 목표로 한다. (3) AI 음악 창작과 연주에 나타나는 미학적 문제를 ‘포스트휴머니즘 미학’을 중심으로 다룬다. 기계가 인간을 모방하는 차원을 넘어, 창작과 연주의 주체로 등장하면서 촉발되는 쟁점과 AI 음악창작에 나타나는 감정과 창의성, 그리고 창작 주체의 문제를 검토할 것이다.전필 / 학사
영국 가곡과 미국 가곡을 노래하는데 필요한 자음과 모음에 관한 이론을 공부하며 그 이론을 적용하여 실제로 곡을 다루며 개개인의 발음을 교정해 나간다.교양 / 학사
인공지능 시대에 창의성은 무엇인가? 수업은 3개의 유닛(보다 듣다, 이야기하다, 만든다)을 5회 반복한다. 보다 듣다에서는 최근의 문화에술을 직접 경험하게 한다. 이야기한다에서는 인간 창의성에 대한 근본적 고민을 토론한다. 관련 논의들을 읽고 전문가와 작가를 초청하여 이야기를 듣는다. 만든다에서는 학생들은 팀을 구성하여 첨단 생성형 도구를 사용하여 직접 창작물을 제작해 본다. 이를 통해 새로운 시대의 미적 감성은 무엇이고 인간 창의성은 무엇인지 고민해 본다.전필 / 대학원
전문적인 작곡가로서 활동하는데 필요한 능력과 소양을 종합적으로 갖출 수 있도록 한다. 학생 개개인의 음악적 지향점을 고려한 1:1 교육이 이루어진다. 학생 자신의 고유한 어법을 형성할 수 있도록 함과 동시에, 작품의 완성도를 갖출 수 있도록 유도한다. 4개 학기 동안 단계적 학습이 이루어진다.전선 / 학사
피아노와 다른 악기들(현악기, 목관악기, 금관악기)이 함께하는 다양한 실내악곡들에 대해 심층분석(Tempo, Meter, Rhythm, Phrasing, Articulation, Breathing) 후 이에 근거한 곡 해석을 연주에 적용하는 방식들을 토론하고 이해하고자 한다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 대학원
인공신경망 시스템은 인간 두뇌의 구조를 모방한 생물학적 정보처리시스템으로서 비교적 단순한 기능을 가진 다수의 연산소자들로 구성되어 있다. 이 과목에서는 신경망의 수학적 이론과 실제 응용에 관해 학습한다. 최신 신경망 모델의 다양한 구조를 살펴보며 감독학습, 무감독 학습, 강화 학습을 수행하기 위한 연결론적 또는 확률적 학습 알고리즘에 대하여 공부한다.전필 / 학사
단계적 학습을 통해 높은 수준의 독보력 및 청음 기보력, 더 나아가 음악적 인지력을 계발한다.전선 / 대학원
인공 지능 기술의 급격한 발전에 힘입어 인공 지능을 이용해서 신약 개발의 비용과 시간을 줄이고자 하는 시도가 활발히 이루어지고 있다. 알파폴드의 성공은 실제로 신약 개발의 걸림돌이었던 불완전한 인간 단백체의 구조 정보의 한계를 극복할 수 있게 만들었다. 또한, 신약 후보 물질을 빠르게 생성할 수 있는 다양한 인공지능 모델들이 개발되고 있으며, 일부 인공지능에 의해 설계된 후보 물질들은 임상에 진입하고 있다. 본 수업은 신약개발에 활용할 수 있는 인공 지능 관련 지식을 습득하고, 개별 프로젝트 수행하여 관련 분야 연구 및 적용을 위한 역량을 높이는 것을 목표로 한다. 수강생들은 인공 지능 이론의 기초와 실제 인공 지능 코드 작성을 위한 파이썬의 기초, 파이토치 라이브러리 등을 학습하고, 클라우드 플랫폼을 이용하여 실제 코드를 작성 및 실행하면서 진행된다. 강의 후반부에는 실습과 함께 각자 고유한 프로젝트를 선정하여 자신만의 인공 지능 모델을 학습시킨 후 결과를 발표한다.전필 / 학사
17세기에서 20세기에 이르는 다양한 양식의 다성음악을 분석하고, 그 결과를 바탕으로 한 연습이 진행된다. 매주 분석한 다성음악을 바탕으로 한 대위법적 기술을 응용하여 학생들이 곡을 써오며 이것을 평가하는 형식으로 수업이 진행된다. 이를 통해 보다 분석적이고 실제적인 작곡기술을 습득할 수 있다.전선 / 대학원
인공신경망 시스템은 인간 두뇌의 구조를 모방한 생물학적 정보처리시스템으로서 비교적 단순한 기능을 가진 다수의 연산소자들로 구성되어 있다. 이 과목에서는 신경망의 수학적 이론과 실제 응용에 관해 학습한다. 최신 신경망 모델의 다양한 구조를 살펴보며 감독학습, 무감독 학습, 강화 학습을 수행하기 위한 연결론적 또는 확률적 학습 알고리즘에 대하여 공부한다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.