| | 1 | **1.2. Методолигија** |
| | 2 | |
| | 3 | Пред да започнам со креирањето на имплементација за автоматско генерирање на македонска народна мелодија, најпрво се запознав подлабоко со теоријата на музиката а потоа и со структурата на македонските народни песни. Краток опис за користена терминологија од теоријата на музиката ќе биде даден во поглавјето **2.2.**, додека во **2.3.** ќе бидат споменати карактеристиките на Македонската народна музика, што е потребно за полесно разбирање на делот на процесирање на податоците во имплементацијата. |
| | 4 | |
| | 5 | Следно направив истражување за веќе постоечките видови на имплементации за генерирање на различни видови на музика (класична, метал и сл.), а исто така и тестирав некои од нив за да ја оценам нивната креативност и успешност во креирањето на мелодија. |
| | 6 | Поглавјето **3.** зборува за процесот на автоматско генерирање на музика, додека постоечките решенија за него се опишани во **3.1.** |
| | 7 | |
| | 8 | Разгледувајќи ги разните имплементации забележав дека генерирањето музика со ситеми кои учат се покажува доста успешно, благодарение на посебен вид на рекурентни невронски мрежи наречени LSTM – или мрежи со долго-краткорочна меморија, затоа што добро се справуваат со временски податоци (како што е музиката), и затоа што се решение на проблемот со исчезнување на градиент, па оттаму и идејата за имплементација на систем за генерирање м. народна мелодија со системи за учење. Машинското учење, рекурентните невронски мрежи, LSTM р.н.м. и нивни имплементации се опишани поопширно во поглавјата **4**, **4.1**., **4.2.** и **4.3.** соодвено. |
| | 9 | |
| | 10 | За крај е опишана имплементацијата (**5.4**.), податоците кои се искористени (**5.2**.), хардверската и софтверската конфигурација (**5.3.**), изведените експерименти (**5.5.**),додека заклучокот за добиените резултати и идна работа е даден во поглавје **6**. |
