BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20220101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20231221T130000
DTEND;TZID=America/Sao_Paulo:20231221T140000
DTSTAMP:20260406T104508
CREATED:20231212T170926Z
LAST-MODIFIED:20231212T170926Z
UID:8820-1703163600-1703167200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Lucas Somacal
DESCRIPTION:Título: Variational Autoencoders para el modelado de estilos de música\nDirectores: Dr. Martin Miguel y Dr. Diego Fernández Slezak\nJurados: Dr. Pablo Riera\, Dr. Gabriel Mindlin \nRESUMEN\nEn el presente trabajo se abordó el problema de transferencia de estilo en música\, es decir\, intentar cambiar un fragmento musical de cierto estilo musical a otro. Basándonos en trabajo previo\, consideramos la manipulación del espacio latente a partir de un Variational Autoencoder (VAE) con el que codificamos fragmentos musicales a este espacio y operamos mediante vectores característicos de cada estilo musical. En este trabajo\, nos propusimos lograr transferencia de estilos entre 4 específicos. A ese fín\, comparamos tres modelos. Uno fue entrenado con un dataset de música general y luego evaluado en el dataset objetivo de 4 estilos. El segundo modelo fue fine-tuneado sobre el dataset objetivo y el tercero\, solo entrenado sobre este dataset. Como parte de este trabajo\, también presentamos una metodología de evaluación automática para medir si los fragmentos generados son musicales\, se parecen al nuevo estilo y mantienen la identidad del fragmento original. Los tres modelos lograron transformaciones musicales con cambio de estilo. En particular\, observamos que la musicalidad y la similitud con el original se van perdiendo a medida que la transformación es mayor pero a su vez se acercan cada vez más al nuevo estilo a medida que crece la magnitud de la transformación\, a la vez que el los modelos entrenados sobre el dataset mayor obtienen mejores resultados.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-lucas-somacal/
LOCATION:Aula 1115
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20231221T150000
DTEND;TZID=America/Sao_Paulo:20231221T160000
DTSTAMP:20260406T104508
CREATED:20231220T140023Z
LAST-MODIFIED:20231220T140023Z
UID:8858-1703170800-1703174400@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Ignacio Maqueda
DESCRIPTION:Título: Caracterización estructural de los árboles de thinness propia 2\nDirector: Dra. Flavia Bonomo\nJurados: Dra. Verónica Becher\, Dr. Min Chih Lin \nResumen: \nLa thinness propia de un grafo es un invariante que generaliza a los grafos de intervalos propios. Todo grafo tiene un valor numérico de thinness propia y los grafos con thinness propia 1 coinciden con los grafos de intervalos propios. \nUn grafo es k-thin propio si sus vértices pueden ordenarse de manera que exista una partición de los vértices en k clases cumpliendo que para cada tripla de vértices r < s < t\, tales que existe una arista entre r y t\, se cumplen que si r y s pertenecen a la misma clase\, entonces existe una arista entre s y t\, y si s y t pertenecen a la misma clase\, entonces existe una arista entre r y s. La thinness propia de un grafo es el menor valor de k tal que el grafo sea k-thin propio. \nEn este trabajo nos enfocamos en el cálculo de la thinness propia para los árboles. Caracterizamos los árboles de thinness propia 2\, tanto estructuralmente como por sus subgrafos inducidos minimales prohibidos. \nTambién mostramos por qué los resultados obtenidos para árboles de thinness propia 2 no pueden ser generalizados a árboles de thinness propia 3. \nLa tesis se desarrolló en el marco de una beca BIICC\, bajo la dirección de Flavia Bonomo y con la Dra. Nina Pardal en el rol de mentora.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-ignacio-maqueda/
LOCATION:Aula 1113
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR