基于乐谱识别的深度学习算法作曲系统
发布时间：2021-08-28 12:00
随着计算机科学和音乐科技的发展,算法在计算机作曲领域已有广泛的研究和应用。由此演变产生的“计算机生成艺术”属于算法艺术的范畴,创作者通过编写程序、制定相关限定规则等方法,使计算机进行音乐自动生成创作或辅助创作者完成音乐创作。继算法作曲成为计算机音乐创作领域的研究热点方向之后,近年来随着人工智能、深度学习等技术的崛起与应用热潮,使得相关理论与技术的相关研究和探索不断深化,科技与音乐的多维度交融进入了崭新的历史时期。人工智能作曲也将成为算法作曲领域未来主要的研究分支方向。本研究的研究目的是为了实现一种基于乐谱识别的深度学习算法作曲系统。本文的理论研究立足于算法作曲领域,技术实现研究基于计算机深度学习层面,以及相应的音乐数据表达方式。其研究意义是在较短时间内获得具有较强音乐数据特征的输出结果,有效平衡数据量、计算成本和时间成本。同时也可以通过调整深度神经网络的复杂度,去再次判定算法的优劣性,从而可以不断对系统进行可持续的升级优化。本文的研究内容包括了算法作曲的理论背景、常见算法的应用特性解析、OMR系统构建流程、深度学习训练策略、音乐数据表达、MIDI数据标准化、音乐数据预处理方式、深度学习...
【文章来源】：南京艺术学院江苏省
【文章页数】：132 页
【学位级别】：博士
【部分图文】：
本研究对于算法作曲研究的范围界定
缱蛹扑慊??幸衾值拇醋鳌５谝桓鲈诩扑慊?仙?傻乃惴ㄒ衾肿髌罚?醋?Hiller和Isaacson在Illiac计算机上的算法作曲探索式创作，是计算机音乐领域最著名的开拓性工作，他们的主要成果是Illiac组曲，作品编制为弦乐四重奏。③。该作品的创作思想来源于数学概率论，生成音乐中的一些参数,然后再将这些参数转换为传统的乐谱。④该程序利用马尔可夫链随机生成音符。辅佐使用古典和声和对位的作曲规则对生成的音符进行测试，只保留了符合作曲规定的音符，使用一个简单的回溯过程将整个网络回到该修正点，然后重新开始新的循环。图3IlliacSuite乐谱①作者注：约翰·塞巴斯蒂安·巴赫（德语：JohannSebastianBach，1685—1750）是德国作曲家和巴洛克时期的音乐家，被视为有史以来最伟大的作曲家之一。②作者注：艾伦·麦锡森·图灵（1912-1954）英国数学家，逻辑学家。被称为计算机科学之父，人工智能之父。③HillerLA,IsaacsonLM.ExperimentalMusic;Compositionwithanelectroniccomputer[M].GreenwoodPublishingGroupInc.,1979.④HillerL,IsaacsonL.Musicalcompositionwithahigh-speeddigitalcomputer[M]Machinemodelsofmusic.MITPress,1992.
实验构架如图4所示，本研究的实验架构从功能上将分为四个部分
【参考文献】：
期刊论文
[1]基于递归神经网络人工智能技术的音乐创作[J]. 马鹏程,卢树强,王晓岸,李晓东,宋涵宇. 电子技术与软件工程. 2020(03)
[2]人工智能对中国音乐产业链的渗透与革新[J]. 王铉,雷沁颖. 现代传播(中国传媒大学学报). 2019(12)
[3]基于LSTM自动生成音乐[J]. 辛明泽. 电子制作. 2019(10)
[4]隐式特征和循环神经网络的多声部音乐生成系统[J]. 苗北辰,郭为安,汪镭. 智能系统学报. 2019(01)
[5]基于charRNN的复音音乐生成方法[J]. 王思源,周建国. 计算机工程. 2019(05)
[6]人工智能美学如何可能[J]. 陶锋. 文艺争鸣. 2018(05)
[7]音乐情感的计算机分析与自动识别技术研究[J]. 刘珺,刘君. 北方音乐. 2018(09)
[8]莫扎特《音乐骰子游戏》与约翰·凯奇《变之音乐》比较研究[J]. 温展力. 黄钟(武汉音乐学院学报). 2016(03)
[9]新技术媒体环境下的音乐创作及现象分析[J]. 谢力荣,庄曜. 黄钟（中国.武汉音乐学院学报）. 2012(03)
[10]音高的算法生成与结构对应[J]. 申涛. 黄钟（中国.武汉音乐学院学报）. 2011(03)
博士论文
[1]可能性构造空间理论与计算机作曲思维模型研究[D]. 韩艳玲.华中科技大学 2010
[2]先锋派实验音乐之涅槃[D]. 吴粤北.上海音乐学院 2009
硕士论文
[1]基于深度学习的自动作曲编曲研究[D]. 朱洪渊.中国科学技术大学 2019
[2]基于生成对抗网络的音乐推荐算法的设计与实现[D]. 张晨.华中科技大学 2019
[3]基于神经网络的算法作曲与情感识别研究[D]. 李高玲.郑州大学 2019
[4]基于生成对抗网络的音乐生成研究[D]. 邱燕.电子科技大学 2019
[5]基于循环神经网络的音乐要素生成[D]. 张严.武汉大学 2018
[6]双轴LSTM神经网络与混沌理论在音乐生成系统中的研究与应用[D]. 林舜成.华南理工大学 2017
[7]基于贝叶斯网的辅助作曲与编曲的智能音乐系统[D]. 翁诗杰.云南大学 2015
[8]基于神经网络的算法作曲系统[D]. 韩钢.南京大学 2014
[9]计算机辅助算法作曲方法研究与软件设计[D]. 冯天骄.上海音乐学院 2008
[10]OMR研究与原型系统开发[D]. 陈根方.浙江大学 2003
本文编号：3368474
【文章来源】：南京艺术学院江苏省
【文章页数】：132 页
【学位级别】：博士
【部分图文】：
本研究对于算法作曲研究的范围界定
缱蛹扑慊??幸衾值拇醋鳌５谝桓鲈诩扑慊?仙?傻乃惴ㄒ衾肿髌罚?醋?Hiller和Isaacson在Illiac计算机上的算法作曲探索式创作，是计算机音乐领域最著名的开拓性工作，他们的主要成果是Illiac组曲，作品编制为弦乐四重奏。③。该作品的创作思想来源于数学概率论，生成音乐中的一些参数,然后再将这些参数转换为传统的乐谱。④该程序利用马尔可夫链随机生成音符。辅佐使用古典和声和对位的作曲规则对生成的音符进行测试，只保留了符合作曲规定的音符，使用一个简单的回溯过程将整个网络回到该修正点，然后重新开始新的循环。图3IlliacSuite乐谱①作者注：约翰·塞巴斯蒂安·巴赫（德语：JohannSebastianBach，1685—1750）是德国作曲家和巴洛克时期的音乐家，被视为有史以来最伟大的作曲家之一。②作者注：艾伦·麦锡森·图灵（1912-1954）英国数学家，逻辑学家。被称为计算机科学之父，人工智能之父。③HillerLA,IsaacsonLM.ExperimentalMusic;Compositionwithanelectroniccomputer[M].GreenwoodPublishingGroupInc.,1979.④HillerL,IsaacsonL.Musicalcompositionwithahigh-speeddigitalcomputer[M]Machinemodelsofmusic.MITPress,1992.
实验构架如图4所示，本研究的实验架构从功能上将分为四个部分
【参考文献】：
期刊论文
[1]基于递归神经网络人工智能技术的音乐创作[J]. 马鹏程,卢树强,王晓岸,李晓东,宋涵宇. 电子技术与软件工程. 2020(03)
[2]人工智能对中国音乐产业链的渗透与革新[J]. 王铉,雷沁颖. 现代传播(中国传媒大学学报). 2019(12)
[3]基于LSTM自动生成音乐[J]. 辛明泽. 电子制作. 2019(10)
[4]隐式特征和循环神经网络的多声部音乐生成系统[J]. 苗北辰,郭为安,汪镭. 智能系统学报. 2019(01)
[5]基于charRNN的复音音乐生成方法[J]. 王思源,周建国. 计算机工程. 2019(05)
[6]人工智能美学如何可能[J]. 陶锋. 文艺争鸣. 2018(05)
[7]音乐情感的计算机分析与自动识别技术研究[J]. 刘珺,刘君. 北方音乐. 2018(09)
[8]莫扎特《音乐骰子游戏》与约翰·凯奇《变之音乐》比较研究[J]. 温展力. 黄钟(武汉音乐学院学报). 2016(03)
[9]新技术媒体环境下的音乐创作及现象分析[J]. 谢力荣,庄曜. 黄钟（中国.武汉音乐学院学报）. 2012(03)
[10]音高的算法生成与结构对应[J]. 申涛. 黄钟（中国.武汉音乐学院学报）. 2011(03)
博士论文
[1]可能性构造空间理论与计算机作曲思维模型研究[D]. 韩艳玲.华中科技大学 2010
[2]先锋派实验音乐之涅槃[D]. 吴粤北.上海音乐学院 2009
硕士论文
[1]基于深度学习的自动作曲编曲研究[D]. 朱洪渊.中国科学技术大学 2019
[2]基于生成对抗网络的音乐推荐算法的设计与实现[D]. 张晨.华中科技大学 2019
[3]基于神经网络的算法作曲与情感识别研究[D]. 李高玲.郑州大学 2019
[4]基于生成对抗网络的音乐生成研究[D]. 邱燕.电子科技大学 2019
[5]基于循环神经网络的音乐要素生成[D]. 张严.武汉大学 2018
[6]双轴LSTM神经网络与混沌理论在音乐生成系统中的研究与应用[D]. 林舜成.华南理工大学 2017
[7]基于贝叶斯网的辅助作曲与编曲的智能音乐系统[D]. 翁诗杰.云南大学 2015
[8]基于神经网络的算法作曲系统[D]. 韩钢.南京大学 2014
[9]计算机辅助算法作曲方法研究与软件设计[D]. 冯天骄.上海音乐学院 2008
[10]OMR研究与原型系统开发[D]. 陈根方.浙江大学 2003
本文编号：3368474
本文链接：https://www.wllwen.com/wenyilunwen/yinlelunwen/3368474.html
最近更新
教材专著
