एलएसटीएम पुनरावृत्त तंत्रिका नेटवर्क का उपयोग करके संगीत रचना पर एक पहली नज़र।

आम तौर पर, पुनरावृत्त तंत्रिका नेटवर्क (आरएनएन) द्वारा रचित संगीत वैश्विक संरचना की कमी से पीड़ित है। हालांकि नेटवर्क नोट-से-नोट संक्रमण संभावनाओं को सीख सकते हैं और यहां तक कि वाक्यांशों का पुन: उत्पादन कर सकते हैं, संपूर्ण संगीत रूप को सीखने के प्रयास और उस ज्ञान का उपयोग करके रचना को मार्गदर्शित करना असफल रहा है। इस विफलता का कारण यह प्रतीत होता है कि आरएनएन समय-समय पर दूर घटनाओं का ध्यान नहीं रख सकते जो वैश्विक संगीत संरचना का संकेत देते हैं। लंबे शार्ट-टर्म मेमोरी (एलएसटीएम) ने उन समान क्षेत्रों में सफलता प्राप्त की है जहां अन्य आरएनएन विफल रहे हैं, जैसे कि समय गणना और CSL अध्ययन। वर्तमान अध्ययन में हम दिखाते हैं कि एलएसटीएम संगीत रचना सीखने के लिए भी एक अच्छा तंत्र है। हम इस दृष्टिकोण की तुलना पिछले प्रयासों से करते हैं, विशेष ध्यान डेटा प्रस्तुति के मुद्दों पर देते हैं। हम प्रयोगात्मक परिणाम प्रस्तुत करते हैं जो दिखाते हैं कि एलएसटीएम ब्लूज़ संगीत के एक रूप को सफलतापूर्वक सीखता है और उस शैली में नए (और हमें विश्वास है कि सुखद) धुनें रचने में सक्षम है। आश्चर्यजनक रूप से, एक बार जब नेटवर्क ने प्रासंगिक संरचना को खोज लिया, तो यह उससे नहीं भटकता: एलएसटीएम अच्छी टाइमिंग और सही संरचना के साथ ब्लूज़ बजाने में सक्षम है, जब तक कोई सुनने के लिए तैयार हो।