【摘要】：隨著近年來(lái)深度學(xué)習(xí)的迅速發(fā)展,利用深度學(xué)習(xí)進(jìn)行自動(dòng)作曲的應(yīng)用越來(lái)越廣泛.音樂(lè)完全是主觀性的,結(jié)果美不美完全是憑人的感覺(jué)定的,沒(méi)有任何客觀的標(biāo)準(zhǔn),所以音樂(lè)的創(chuàng)作對(duì)計(jì)算機(jī)來(lái)講是巨大的挑戰(zhàn),這也使人們認(rèn)為小說(shuō)和音樂(lè)的創(chuàng)作是人工智能最后攻克的領(lǐng)域.音樂(lè)的創(chuàng)作又有其特殊性,首先音樂(lè)具有時(shí)序性,當(dāng)前時(shí)刻的音符與當(dāng)前時(shí)刻之前或之后的音樂(lè)信息有關(guān).此外,在現(xiàn)實(shí)生活中音樂(lè)家是以一種非線性的方式創(chuàng)作,即先書(shū)寫(xiě)一部分然后再反復(fù)進(jìn)行修改.為了解決音樂(lè)時(shí)序上的依賴關(guān)系,本文提出利用具有時(shí)序性的BiLSTM(Bi-directional Long Short-Term)和NN(Neural Network)組成的混合網(wǎng)絡(luò)G(Generator Network)來(lái)生成音樂(lè),為了模擬音樂(lè)家非線性的作曲方式,本文又采用偽吉布斯采樣的方式來(lái)生成樂(lè)曲,最后利用GANs(Generative Adversarial Networks)中的D(Discriminator Network)來(lái)判別生成的曲子和真實(shí)曲子的數(shù)據(jù)分布是否相似,再將D得到的信息反饋給G進(jìn)而微調(diào)G網(wǎng)絡(luò),讓D和G不斷地博弈,最終用G生成音樂(lè).本文提出的模型是在巴赫眾贊歌的數(shù)據(jù)集上進(jìn)行訓(xùn)練的,訓(xùn)練之后的模型G可以生成具有一定巴赫風(fēng)格的曲子.文中模型的優(yōu)點(diǎn)是具有較高的靈活性,在生成的過(guò)程中可以根據(jù)需求任意施加一些樂(lè)理知識(shí)的約束,比如音符、旋律、重音等.本文第一章主要介紹了自動(dòng)作曲在符號(hào)域和音頻域上的發(fā)展背景和現(xiàn)在主要的發(fā)展方向、研究狀況,自動(dòng)作曲常用到的一些神經(jīng)網(wǎng)絡(luò)和自動(dòng)作曲的過(guò)程以及本文的思路和想法.由于G網(wǎng)絡(luò)的結(jié)構(gòu)主要用到了BiLSTM和LSTM的相關(guān)知識(shí),本文第二章主要介紹了LSTM的基礎(chǔ)結(jié)構(gòu)、前向算法和反向算法的過(guò)程以及從LSTM到BiLSTM過(guò)渡的主要內(nèi)容.本文第三章主要介紹了GANs的原理和在自動(dòng)作曲方向上起到的作用,GANs的算法以及迭代優(yōu)化的相關(guān)內(nèi)容.在第四章中,首先介紹了處理巴赫眾贊歌數(shù)據(jù)的方法,接著提出了基于BiLSTM和N N的生成模型G的網(wǎng)絡(luò)結(jié)構(gòu)并介紹了各部分網(wǎng)絡(luò)結(jié)構(gòu)具體起到的作用和生成過(guò)程的算法,最后提出了判別模型D的網(wǎng)絡(luò)結(jié)構(gòu)并介紹了判別模型起到的作用以及綜合的GANs模型.本文在巴赫眾贊歌的數(shù)據(jù)集上對(duì)提出的模型進(jìn)行了數(shù)值實(shí)驗(yàn)并在第五章展示了實(shí)驗(yàn)結(jié)果,并以問(wèn)卷調(diào)查的形式請(qǐng)東北師范大學(xué)鋼琴專業(yè)的學(xué)生對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了測(cè)評(píng)。
【圖文】：

表示沒(méi)有重音,重音符號(hào)如圖4.1所示:如果重音符號(hào)出現(xiàn)在某個(gè)小節(jié)的某個(gè)音符上,表示在當(dāng)前音符所在的時(shí)間內(nèi)都是持續(xù)的.這里S相當(dāng)于節(jié)拍器, F在圖4.1重音符號(hào)14第四章 模型結(jié)構(gòu)

時(shí)).圖4.2為一個(gè)聲部生成模型Gi的結(jié)構(gòu)圖,其它聲部的網(wǎng)絡(luò)結(jié)構(gòu)與其相同,只有網(wǎng)絡(luò)輸出的維數(shù)有所不同.圖4.2 GeneratorS4.1.3生成模型算法生成曲子的過(guò)程需要生成模型Gi不斷利用偽吉布斯采樣的方法來(lái)完成,具體過(guò)程見(jiàn)Algorithm 1,該過(guò)程參考了文獻(xiàn)[24].這個(gè)采樣過(guò)程是非常靈活的,它的優(yōu)點(diǎn)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：J614.8;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 邱意;賈桂敏;楊金鋒;劉遠(yuǎn)慶;;民航陸空通話語(yǔ)音識(shí)別BiLSTM網(wǎng)絡(luò)模型[J];信號(hào)處理;2019年02期

2 劉依紅;楊波;孫宇寧;李偉;陳靜;;基于BiLSTM的婚姻法自然語(yǔ)言問(wèn)答[J];計(jì)算機(jī)工程與設(shè)計(jì);2019年04期

3 凡子威;張民;李正華;;基于BiLSTM并結(jié)合自注意力機(jī)制和句法信息的隱式篇章關(guān)系分類[J];計(jì)算機(jī)科學(xué);2019年05期

4 郭浩;許偉;盧凱;唐球;;基于CNN和BiLSTM的短文本相似度計(jì)算方法[J];信息技術(shù)與網(wǎng)絡(luò)安全;2019年06期

5 張學(xué)武;劉廣聰;蔡念;;基于Attention-biLSTM的候選答案句抽取[J];福建電腦;2019年04期

6 李洋;董紅斌;;基于CNN和BiLSTM網(wǎng)絡(luò)特征融合的文本情感分析[J];計(jì)算機(jī)應(yīng)用;2018年11期

7 林思明;陳騰躍;梁煜麓;;基于BiLstm神經(jīng)網(wǎng)絡(luò)的DGA域名檢測(cè)方法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2019年01期

相關(guān)碩士學(xué)位論文 前1條

1 葉文豪;基于BiLSTM和GANs算法的自動(dòng)作曲[D];吉林大學(xué);2019年

，

本文編號(hào)：2655830