隐式特征和循环神经网络的多声部音乐生成系统

作     者：苗北辰 郭为安 汪镭 MIAO Beichen;GUO Weian;WANG Lei

作者机构：同济大学电子与信息工程学院上海201804 同济大学中德学院上海201804 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2019年第14卷第1期

页      面：158-164页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(71771176 61503287) 

主　　题：音乐生成 隐式特征提取 循环神经网络 栈式自编码器 多声部音乐 序列预测 长短期记忆循环神经网络 生成模型 

摘      要：音乐生成是一种使用算法来生成音乐序列的研究。本文针对音乐样本特征提取以及自动作曲问题提出了一种基于音乐隐式特征和循环神经网络(recurrent neural network, RNN)的多声部音乐生成算法。该方法通过使用栈式自编码器对多声部音乐序列每个时间步的音符隐式特征进行提取,结合长短期记忆循环神经网络(long short-term memory, LSTM),以序列预测的方式搭建了基于隐式特征的音乐生成模型。仿真结果表明,该音乐生成算法在使用相同风格的音乐数据训练后,得到的模型可以生成旋律与和弦匹配较好的多声部音乐数据。