【摘要】：隨著近年來深度學(xué)習(xí)的迅速發(fā)展,利用深度學(xué)習(xí)進行自動作曲的應(yīng)用越來越廣泛.音樂完全是主觀性的,結(jié)果美不美完全是憑人的感覺定的,沒有任何客觀的標準,所以音樂的創(chuàng)作對計算機來講是巨大的挑戰(zhàn),這也使人們認為小說和音樂的創(chuàng)作是人工智能最后攻克的領(lǐng)域.音樂的創(chuàng)作又有其特殊性,首先音樂具有時序性,當前時刻的音符與當前時刻之前或之后的音樂信息有關(guān).此外,在現(xiàn)實生活中音樂家是以一種非線性的方式創(chuàng)作,即先書寫一部分然后再反復(fù)進行修改.為了解決音樂時序上的依賴關(guān)系,本文提出利用具有時序性的BiLSTM(Bi-directional Long Short-Term)和NN(Neural Network)組成的混合網(wǎng)絡(luò)G(Generator Network)來生成音樂,為了模擬音樂家非線性的作曲方式,本文又采用偽吉布斯采樣的方式來生成樂曲,最后利用GANs(Generative Adversarial Networks)中的D(Discriminator Network)來判別生成的曲子和真實曲子的數(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.本文提出的模型是在巴赫眾贊歌的數(shù)據(jù)集上進行訓(xùn)練的,訓(xùn)練之后的模型G可以生成具有一定巴赫風格的曲子.文中模型的優(yōu)點是具有較高的靈活性,在生成的過程中可以根據(jù)需求任意施加一些樂理知識的約束,比如音符、旋律、重音等.本文第一章主要介紹了自動作曲在符號域和音頻域上的發(fā)展背景和現(xiàn)在主要的發(fā)展方向、研究狀況,自動作曲常用到的一些神經(jīng)網(wǎng)絡(luò)和自動作曲的過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,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程以及從LSTM到BiLSTM過渡的主要內(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)集上對提出的模型進行了數(shù)值實驗并在第五章展示了實驗結(jié)果,并以問卷調(diào)查的形式請東北師范大學(xué)鋼琴專業(yè)的學(xué)生對實驗結(jié)果進行了測評。
【圖文】：

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

時).圖4.2為一個聲部生成模型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程需要生成模型Gi不斷利用偽吉布斯采樣的方法來完成,具體過程見Algorithm 1,該過程參考了文獻[24].這個采樣過程是非常靈活的,它的優(yōu)點
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：J614.8;TP18

【相似文獻】

相關(guān)期刊論文 前7條

1 邱意;賈桂敏;楊金鋒;劉遠慶;;民航陸空通話語音識別BiLSTM網(wǎng)絡(luò)模型[J];信號處理;2019年02期

2 劉依紅;楊波;孫宇寧;李偉;陳靜;;基于BiLSTM的婚姻法自然語言問答[J];計算機工程與設(shè)計;2019年04期

3 凡子威;張民;李正華;;基于BiLSTM并結(jié)合自注意力機制和句法信息的隱式篇章關(guān)系分類[J];計算機科學(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];計算機應(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算法的自動作曲[D];吉林大學(xué);2019年

，

本文編號：2655830