本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的算法作曲系統(tǒng)

  更多相關(guān)文章： 算法作曲 神經(jīng)網(wǎng)絡(luò) LongShort-TermMemory DynamicTimeWarping

【摘要】：音樂是人類天然的愛好與藝術(shù)追求之一。自古以來哲學(xué)家們對(duì)人類是怎樣欣賞藝術(shù),怎樣創(chuàng)作創(chuàng)作有著濃厚的興趣。而很早的時(shí)候,人類便對(duì)音樂有了諸多的理論。在音樂史上,作曲家們也沒有停止過對(duì)作曲技巧的總結(jié)和歸納。隨著現(xiàn)代化的發(fā)展,人工智能概念的提出,人們漸漸產(chǎn)生了可不可以讓計(jì)算機(jī)進(jìn)行音樂創(chuàng)作的想法,于是算法作曲的概念應(yīng)運(yùn)而生。算法作曲這一研究課題,不僅在實(shí)用上有著輔助創(chuàng)新的應(yīng)用,更是可以讓人類反省、歸納自己的認(rèn)知和創(chuàng)新過程,有著積極的意義。本文基于人工智能的方法和思想,在算法作曲領(lǐng)域做了一定的工作。首先總結(jié)了算法作曲中可能用到音樂的常見的特征,及音樂數(shù)據(jù)的知識(shí)表示問題。介紹了使用遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行算法作曲的總體思想,可能會(huì)遇到的梯度消失問題,以及可以避免梯度消失問題的Long Short-term Memory神經(jīng)網(wǎng)絡(luò)算法。本文還提出了對(duì)音樂數(shù)據(jù)集聚類可以對(duì)音樂的學(xué)習(xí)起到更好的效果,可以讓數(shù)據(jù)產(chǎn)生有意義的分布,這在相關(guān)研究中是不多見的。最后,基于本文介紹的若干知識(shí)點(diǎn),本文提出了自己的一個(gè)算法作曲系統(tǒng),它可以對(duì)預(yù)定義的訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練,或者對(duì)用戶給定的數(shù)據(jù)集進(jìn)行訓(xùn)練,也可以在已有數(shù)據(jù)集的情況下,根據(jù)任一用戶給定的音樂,產(chǎn)生與該音樂相似的音樂數(shù)據(jù)集進(jìn)行訓(xùn)練。在訓(xùn)練完成后,用戶指定初始向量和播放長(zhǎng)度,系統(tǒng)便可以播放出自己創(chuàng)作的音樂。本文是計(jì)算機(jī)在音樂創(chuàng)新領(lǐng)域的一個(gè)初步探討。在文章最后,本文提出了自己的不足,以及一系列可以改進(jìn)的方向。
【關(guān)鍵詞】：算法作曲 神經(jīng)網(wǎng)絡(luò) LongShort-TermMemory DynamicTimeWarping
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：J614.8;TP183
【目錄】：

• 摘要5-6
• Abstract6-12
• 第一章 緒論12-16
• 1.1 算法作曲的概念12
• 1.2 算法作曲的主要方法與相關(guān)研究歷史12-14
• 1.3 算法作曲的主要難點(diǎn)14
• 1.4 算法作曲的研究意義與相關(guān)應(yīng)用14-15
• 1.5 本文組織結(jié)構(gòu)15-16
• 第二章 音樂的特征屬性16-30
• 2.1 音樂的基礎(chǔ)知識(shí)16
• 2.2 常用音樂特征介紹16-23
• 2.2.1 音高16-18
• 2.2.2 音長(zhǎng)18-20
• 2.2.3 音量20
• 2.2.4 音色20-21
• 2.2.5 音程21-22
• 2.2.6 節(jié)奏22
• 2.2.7 調(diào)式22
• 2.2.8 和聲22-23
• 2.3 音樂特征的表示23-29
• 2.3.1 直接表示法23-24
• 2.3.2 0-1表示法24
• 2.3.3 抽象空間表示法24-29
• 2.4 本章小結(jié)29-30
• 第三章 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模塊30-45
• 3.1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的目標(biāo)30-31
• 3.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練31-33
• 3.3 遞歸神經(jīng)網(wǎng)絡(luò)——算法作曲的總樣貌33-35
• 3.4 傳統(tǒng)的遞歸神經(jīng)網(wǎng)絡(luò)的弊端——梯度的消失35-37
• 3.5 解決梯度消失的方法—LSTM算法37-44
• 3.6 LSTM用于算法作曲44
• 3.7 本章小結(jié)44-45
• 第四章 訓(xùn)練數(shù)據(jù)聚類模塊45-53
• 4.1 訓(xùn)練數(shù)據(jù)的分布45-46
• 4.2 音樂抽象空間的具體化46-52
• 4.2.1 音樂風(fēng)格空間47-48
• 4.2.2 音樂情感空間48-50
• 4.2.3 利用機(jī)器學(xué)習(xí)算法定義抽象空間50-52
• 4.3 本章小結(jié)52-53
• 第五章 自動(dòng)作曲系統(tǒng)實(shí)現(xiàn)說明53-64
• 5.1 自動(dòng)作曲系統(tǒng)架構(gòu)53-54
• 5.2 開發(fā)環(huán)境54
• 5.3 訓(xùn)練數(shù)據(jù)預(yù)處理模塊54-56
• 5.4 訓(xùn)練數(shù)據(jù)聚類模塊56
• 5.5 網(wǎng)絡(luò)訓(xùn)練模塊56-57
• 5.6 用戶界面模塊57-58
• 5.7 作曲模塊說明58-59
• 5.8 用戶使用流程59-61
• 5.9 系統(tǒng)在多線程方面的不足61
• 5.10 系統(tǒng)結(jié)果展示61-63
• 5.11 本章小結(jié)63-64
• 第六章 總結(jié)與展望64-67
• 6.1 本文工作總結(jié)64-65
• 6.2 未來工作展望65-67
• 參考文獻(xiàn)67-70
• 致謝70-71

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳宗榮,冀肖力;神經(jīng)網(wǎng)絡(luò)方法制定心理測(cè)試量表[J];福建電腦;2005年07期

2 Francis Crick;鄭步全;;關(guān)于神經(jīng)網(wǎng)絡(luò)的新進(jìn)展[J];世界科學(xué);1989年07期

3 李一軍，畢春斌;類比推理與神經(jīng)網(wǎng)絡(luò)[J];決策與決策支持系統(tǒng);1995年01期

4 韓斌;;語言省略現(xiàn)象認(rèn)知理解的神經(jīng)網(wǎng)絡(luò)基礎(chǔ)[J];牡丹江大學(xué)學(xué)報(bào);2008年03期

5 張靜;基于神經(jīng)網(wǎng)絡(luò)的受災(zāi)面積預(yù)測(cè)精度研究——以襄樊市小麥條銹病發(fā)病面積為例[J];襄樊學(xué)院學(xué)報(bào);2004年02期

6 李劍;;神經(jīng)網(wǎng)絡(luò)在音樂分類中的應(yīng)用研究[J];計(jì)算機(jī)仿真;2010年11期

7 李玲萍;尚可政;錢莉;;最優(yōu)子集神經(jīng)網(wǎng)絡(luò)高溫預(yù)報(bào)模型[J];干旱區(qū)地理;2012年01期

8 彭建武;國(guó)外認(rèn)知連通主義研究綜觀[J];外語教學(xué)與研究;2002年04期

9 周加仙;楊韶光;;教育與神經(jīng)網(wǎng)絡(luò)的塑造——與麥克I.波斯納院士的對(duì)話[J];全球教育展望;2011年09期

10 徐澄;攻占前沿——記西北工業(yè)大學(xué)神經(jīng)網(wǎng)絡(luò)研究室主任何明一[J];科技·人才·市場(chǎng);1996年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國(guó)船舶報(bào);2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：548587