למידת מכונה חוללה מהפכה בתחומים שונים בשנים האחרונות, אחד מהם הוא יצירה והפקה מוזיקלית. במחקר זה בדקנו את השילוב של למידת מכונה ומוזיקה באמצעות פיתוח מערכת המייצרת ליווי אוטומטי למנגינות נתונות. המערכת מציעה כלי עבור מוזיקאים ומלחינים לשיפור וייעול תהליך היצירה, והתמקדנו בהוספה של שני מרכיבי הליווי החיוניים, אקורדים ותופים.
לליווי אקורדי, חילקנו את תהליך ההתאמה לשני שלבים. בשלב הראשון, עבור כל תיבה בנפרד, שייכנו אפשרויות לאקורדים עם ציוני התאמה. בשלב השני, חיברנו את התיבות לכדי רצף אקורדים למנגינה במלואה. עבור התאמת האקורדים לתיבה השתמשנו במודלים שונים של סיווג: בייסאני נאיבי, k-שכנים קרובים ורשתות נוירונים. בנוסף, בדקנו פורמטים שונים של קלט: פורמט המתייחס לסדר התווים בתיבה ופורמט המתעלם ממנו. במודול זה הצלחנו להגיע לדיוק 45% (חיזוי אקורדים על סמך מאגר המידע) וציון קרבה בין האקורדים 57% (מדידת דמיון בין האקורד המנוחש למקורי באמצעות ספירת התווים הזהים). את בחירת רצף האקורדים למנגינה כולה התאמנו בעזרת אלגוריתם המתייחס להסתברויות מעברי האקורדים וציוני ההתאמה של האקורדים לתיבות. עם זאת, הניסיונות ליצור רצף אקורדים עקבי לא שיפרו את הדיוק.
עבור ליווי התופים, יצרנו מודול סיווג המשייך תופים לתיבה נתונה. בחרנו מחלקות סיווג אפשריות לפי מקצבי תופים פופולריים, וכל תיבה במאגר המידע שייכנו לאחת המחלקות. בעזרת התפלגות אורכי התווים בתיבה אימנו רשת נוירונים המתאימה מקצב תופים לתיבת מלודיה, והתקבל דיוק של 20%.
במחקר זה בנינו מערכת ממוחשבת המתאימה ליווי אקורדי וקצבי למלודיה נתונה תוך שימוש והשוואה בין מגוון שיטות למידת מכונה. הליווי שהמערכת התאימה היה הגיוני מוזיקלית ונשמע טוב לאוזן. הממצאים במחקר מדגישים את המורכבות של יצירת הליווי האלגוריתמי ומעלים תחומי מחקר נוספים בשימוש בלמידת מכונה להלחנה מוזיקלית.