基于神经网络的算法作曲系统

发布时间：2017-07-16 12:11

  本文关键词：基于神经网络的算法作曲系统

  更多相关文章： 算法作曲 神经网络 LongShort-TermMemory DynamicTimeWarping

【摘要】：音乐是人类天然的爱好与艺术追求之一。自古以来哲学家们对人类是怎样欣赏艺术,怎样创作创作有着浓厚的兴趣。而很早的时候,人类便对音乐有了诸多的理论。在音乐史上,作曲家们也没有停止过对作曲技巧的总结和归纳。随着现代化的发展,人工智能概念的提出,人们渐渐产生了可不可以让计算机进行音乐创作的想法,于是算法作曲的概念应运而生。算法作曲这一研究课题,不仅在实用上有着辅助创新的应用,更是可以让人类反省、归纳自己的认知和创新过程,有着积极的意义。本文基于人工智能的方法和思想,在算法作曲领域做了一定的工作。首先总结了算法作曲中可能用到音乐的常见的特征,及音乐数据的知识表示问题。介绍了使用递归神经网络进行算法作曲的总体思想,可能会遇到的梯度消失问题,以及可以避免梯度消失问题的Long Short-term Memory神经网络算法。本文还提出了对音乐数据集聚类可以对音乐的学习起到更好的效果,可以让数据产生有意义的分布,这在相关研究中是不多见的。最后,基于本文介绍的若干知识点,本文提出了自己的一个算法作曲系统,它可以对预定义的训练数据集进行训练,或者对用户给定的数据集进行训练,也可以在已有数据集的情况下,根据任一用户给定的音乐,产生与该音乐相似的音乐数据集进行训练。在训练完成后,用户指定初始向量和播放长度,系统便可以播放出自己创作的音乐。本文是计算机在音乐创新领域的一个初步探讨。在文章最后,本文提出了自己的不足,以及一系列可以改进的方向。
【关键词】：算法作曲 神经网络 LongShort-TermMemory DynamicTimeWarping
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：J614.8;TP183
【目录】：

• 摘要5-6
• Abstract6-12
• 第一章 绪论12-16
• 1.1 算法作曲的概念12
• 1.2 算法作曲的主要方法与相关研究历史12-14
• 1.3 算法作曲的主要难点14
• 1.4 算法作曲的研究意义与相关应用14-15
• 1.5 本文组织结构15-16
• 第二章 音乐的特征属性16-30
• 2.1 音乐的基础知识16
• 2.2 常用音乐特征介绍16-23
• 2.2.1 音高16-18
• 2.2.2 音长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 节奏22
• 2.2.7 调式22
• 2.2.8 和声22-23
• 2.3 音乐特征的表示23-29
• 2.3.1 直接表示法23-24
• 2.3.2 0-1表示法24
• 2.3.3 抽象空间表示法24-29
• 2.4 本章小结29-30
• 第三章 神经网络学习模块30-45
• 3.1 神经网络学习的目标30-31
• 3.2 BP神经网络的训练31-33
• 3.3 递归神经网络——算法作曲的总样貌33-35
• 3.4 传统的递归神经网络的弊端——梯度的消失35-37
• 3.5 解决梯度消失的方法—LSTM算法37-44
• 3.6 LSTM用于算法作曲44
• 3.7 本章小结44-45
• 第四章 训练数据聚类模块45-53
• 4.1 训练数据的分布45-46
• 4.2 音乐抽象空间的具体化46-52
• 4.2.1 音乐风格空间47-48
• 4.2.2 音乐情感空间48-50
• 4.2.3 利用机器学习算法定义抽象空间50-52
• 4.3 本章小结52-53
• 第五章 自动作曲系统实现说明53-64
• 5.1 自动作曲系统架构53-54
• 5.2 开发环境54
• 5.3 训练数据预处理模块54-56
• 5.4 训练数据聚类模块56
• 5.5 网络训练模块56-57
• 5.6 用户界面模块57-58
• 5.7 作曲模块说明58-59
• 5.8 用户使用流程59-61
• 5.9 系统在多线程方面的不足61
• 5.10 系统结果展示61-63
• 5.11 本章小结63-64
• 第六章 总结与展望64-67
• 6.1 本文工作总结64-65
• 6.2 未来工作展望65-67
• 参考文献67-70
• 致谢70-71

【相似文献】

中国期刊全文数据库 前10条

1 陈宗荣,冀肖力;神经网络方法制定心理测试量表[J];福建电脑;2005年07期

2 Francis Crick;郑步全;;关于神经网络的新进展[J];世界科学;1989年07期

3 李一军，毕春斌;类比推理与神经网络[J];决策与决策支持系统;1995年01期

4 韩斌;;语言省略现象认知理解的神经网络基础[J];牡丹江大学学报;2008年03期

5 张静;基于神经网络的受灾面积预测精度研究——以襄樊市小麦条锈病发病面积为例[J];襄樊学院学报;2004年02期

6 李剑;;神经网络在音乐分类中的应用研究[J];计算机仿真;2010年11期

7 李玲萍;尚可政;钱莉;;最优子集神经网络高温预报模型[J];干旱区地理;2012年01期

8 彭建武;国外认知连通主义研究综观[J];外语教学与研究;2002年04期

9 周加仙;杨韶光;;教育与神经网络的塑造——与麦克I.波斯纳院士的对话[J];全球教育展望;2011年09期

10 徐澄;攻占前沿——记西北工业大学神经网络研究室主任何明一[J];科技·人才·市场;1996年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：548587