基于BiLSTM和GANs算法的自动作曲

发布时间：2020-05-09 07:51

【摘要】：随着近年来深度学习的迅速发展,利用深度学习进行自动作曲的应用越来越广泛.音乐完全是主观性的,结果美不美完全是凭人的感觉定的,没有任何客观的标准,所以音乐的创作对计算机来讲是巨大的挑战,这也使人们认为小说和音乐的创作是人工智能最后攻克的领域.音乐的创作又有其特殊性,首先音乐具有时序性,当前时刻的音符与当前时刻之前或之后的音乐信息有关.此外,在现实生活中音乐家是以一种非线性的方式创作,即先书写一部分然后再反复进行修改.为了解决音乐时序上的依赖关系,本文提出利用具有时序性的BiLSTM(Bi-directional Long Short-Term)和NN(Neural Network)组成的混合网络G(Generator Network)来生成音乐,为了模拟音乐家非线性的作曲方式,本文又采用伪吉布斯采样的方式来生成乐曲,最后利用GANs(Generative Adversarial Networks)中的D(Discriminator Network)来判别生成的曲子和真实曲子的数据分布是否相似,再将D得到的信息反馈给G进而微调G网络,让D和G不断地博弈,最终用G生成音乐.本文提出的模型是在巴赫众赞歌的数据集上进行训练的,训练之后的模型G可以生成具有一定巴赫风格的曲子.文中模型的优点是具有较高的灵活性,在生成的过程中可以根据需求任意施加一些乐理知识的约束,比如音符、旋律、重音等.本文第一章主要介绍了自动作曲在符号域和音频域上的发展背景和现在主要的发展方向、研究状况,自动作曲常用到的一些神经网络和自动作曲的过程以及本文的思路和想法.由于G网络的结构主要用到了BiLSTM和LSTM的相关知识,本文第二章主要介绍了LSTM的基础结构、前向算法和反向算法的过程以及从LSTM到BiLSTM过渡的主要内容.本文第三章主要介绍了GANs的原理和在自动作曲方向上起到的作用,GANs的算法以及迭代优化的相关内容.在第四章中,首先介绍了处理巴赫众赞歌数据的方法,接着提出了基于BiLSTM和N N的生成模型G的网络结构并介绍了各部分网络结构具体起到的作用和生成过程的算法,最后提出了判别模型D的网络结构并介绍了判别模型起到的作用以及综合的GANs模型.本文在巴赫众赞歌的数据集上对提出的模型进行了数值实验并在第五章展示了实验结果,并以问卷调查的形式请东北师范大学钢琴专业的学生对实验结果进行了测评。
【图文】：

表示没有重音,重音符号如图4.1所示:如果重音符号出现在某个小节的某个音符上,表示在当前音符所在的时间内都是持续的.这里S相当于节拍器, F在图4.1重音符号14第四章 模型结构

时).图4.2为一个声部生成模型Gi的结构图,其它声部的网络结构与其相同,只有网络输出的维数有所不同.图4.2 GeneratorS4.1.3生成模型算法生成曲子的过程需要生成模型Gi不断利用伪吉布斯采样的方法来完成,具体过程见Algorithm 1,该过程参考了文献[24].这个采样过程是非常灵活的,它的优点
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：J614.8;TP18

【相似文献】

相关期刊论文 前7条

1 邱意;贾桂敏;杨金锋;刘远庆;;民航陆空通话语音识别BiLSTM网络模型[J];信号处理;2019年02期

2 刘依红;杨波;孙宇宁;李伟;陈静;;基于BiLSTM的婚姻法自然语言问答[J];计算机工程与设计;2019年04期

3 凡子威;张民;李正华;;基于BiLSTM并结合自注意力机制和句法信息的隐式篇章关系分类[J];计算机科学;2019年05期

4 郭浩;许伟;卢凯;唐球;;基于CNN和BiLSTM的短文本相似度计算方法[J];信息技术与网络安全;2019年06期

5 张学武;刘广聪;蔡念;;基于Attention-biLSTM的候选答案句抽取[J];福建电脑;2019年04期

6 李洋;董红斌;;基于CNN和BiLSTM网络特征融合的文本情感分析[J];计算机应用;2018年11期

7 林思明;陈腾跃;梁煜麓;;基于BiLstm神经网络的DGA域名检测方法[J];网络安全技术与应用;2019年01期

相关硕士学位论文 前1条

1 叶文豪;基于BiLSTM和GANs算法的自动作曲[D];吉林大学;2019年

，

本文编号：2655830