检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于预训练的符号化音乐生成

计算机应用 2024年

作者：洪予晨李金龙中国科学技术大学计算机科学与技术学院

为解决音乐表征学习领域缺少充足成对多轨乐谱数据集的问题，提出一个音乐生成的预训练模型。首先，多轨音乐的生成需要在保证单轨内的连续性的同时保证轨道间的和谐性，因此提出基于Transformers的多生成器风格的生成模型作为基线模型... 详细信息

为解决音乐表征学习领域缺少充足成对多轨乐谱数据集的问题，提出一个音乐生成的预训练模型。首先，多轨音乐的生成需要在保证单轨内的连续性的同时保证轨道间的和谐性，因此提出基于Transformers的多生成器风格的生成模型作为基线模型；其次，为了利用充足的单轨乐器数据集，在生成模型上设计音乐预训练模块；最后，在预训练过程中设计一个重建任务，通过遮盖音乐符号的属性并进行重建。实验结果表明，所提的音乐预训练模型加速了模型训练，提高了预测准确率，生成的多轨序列在多种音乐领域的评价指标相较于MuseGAN、SymphonyNet等基线模型更接近真实音乐。听力测试结果进一步验证了所提生成模型的有效性。

关键词：音乐生成多轨音乐序列模型预训练模型音乐序列表示

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种基于扩散模型的音乐生成方法

计算机应用与软件 2024年

作者：白勇帖云周口师范学院物理与电信工程学院郑州大学电气与信息工程学院

提出了一种基于扩散模型的音乐生成方法。传统的音乐生成模型大多数都是以时间为轴线，以一个音符为单位依次完成音乐生成任务，这样很容易造成误差的积累，严重影响生成音乐的质量。为了解决上述问题，该方法将离散的音符序列嵌入到连... 详细信息

提出了一种基于扩散模型的音乐生成方法。传统的音乐生成模型大多数都是以时间为轴线，以一个音符为单位依次完成音乐生成任务，这样很容易造成误差的积累，严重影响生成音乐的质量。为了解决上述问题，该方法将离散的音符序列嵌入到连续的状态空间中，随后使用扩散模型对整个音乐数据进行前向加噪过程和反向去噪生成过程。扩散模型能够一次性生成全部数据，省去了逐个生成产生的误差，从而提高生成音乐的质量。最后，通过实验验证了该方法的有效性。

关键词：扩散模型音乐生成深度学习高斯噪声

圣俗之间:壮族布偏“天曲”音乐生成与身份呈现

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

歌海 2024年第3期 21-28,89页

作者：邱晨广西艺术学院

布偏是居住在防城峒中的壮族支系之一,布偏人持天琴弹奏的乐曲谓为“天曲”。将乐曲还原至行为发生的语境中,探讨音乐生成模式,根据不同音乐行为背后呈现出的象征意义,阐释布偏“天曲”在由圣入俗的空间转换过程中,存在依附于信仰仪式... 详细信息

布偏是居住在防城峒中的壮族支系之一,布偏人持天琴弹奏的乐曲谓为“天曲”。将乐曲还原至行为发生的语境中,探讨音乐生成模式,根据不同音乐行为背后呈现出的象征意义,阐释布偏“天曲”在由圣入俗的空间转换过程中,存在依附于信仰仪式的娱乐行为,是具有过渡性质的双重文化身份。

关键词：布偏“天曲” 音乐生成文化身份壮族

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于变分自编码器的音乐生成模型

电脑知识与技术 2024年第16期20卷 15-18页

作者：白勇周口师范学院物理与电信工程学院河南周口466000

为了让模型生成的音乐更加接近真实音乐,文章提出了一种基于变分自编码器的音乐生成模型。该模型由编码器和解码器两个网络构成。编码器网络采用双向LSTM,可以同时学习过去和未来信息对当前音符的依赖关系,主要用于将输入的音乐信息编... 详细信息

为了让模型生成的音乐更加接近真实音乐,文章提出了一种基于变分自编码器的音乐生成模型。该模型由编码器和解码器两个网络构成。编码器网络采用双向LSTM,可以同时学习过去和未来信息对当前音符的依赖关系,主要用于将输入的音乐信息编码为低维潜在空间中的潜在向量。解码器则对潜在表示进行重构操作,将其解码为新的音乐。最终,文章对所提出方法生成的音乐进行了实验验证,结果证明了该方法的有效性。

关键词：变分自编码器音乐生成深度学习双向LSTM

在线全文

学校读者我要写书评

暂无评论

基于WGAN和扩张卷积的符号音乐生成算法

复旦学报（自然科学版） 2022年第5期61卷 536-545页

作者：孙凤霄孙仁诚泰山科技学院大数据学院山东泰安271000 青岛大学计算机科学与技术学院山东青岛266000

符号音乐生成模型大多采用循环神经网络结构递归生成,生成时随着时间推移顺序处理,存在缺乏空间相关性、并行性差、训练速度慢等问题。针对这些问题本文提出了一种新的音乐生成方法,即在2维空间域中基于Wasserstein距离生成对抗网络与... 详细信息

符号音乐生成模型大多采用循环神经网络结构递归生成,生成时随着时间推移顺序处理,存在缺乏空间相关性、并行性差、训练速度慢等问题。针对这些问题本文提出了一种新的音乐生成方法,即在2维空间域中基于Wasserstein距离生成对抗网络与深度卷积神经网络相结合的音乐生成算法,引入扩张卷积增加判别器的卷积核宽度来提取更多的旋律特征,并采用梯度惩罚实现Lipschitz约束,稳定网络训练。实验结果表明,模型有效地学习了音乐数据,生成的音乐符合人类作曲音符分布的自然性,且模型的收敛速度优于其他模型。

关键词：生成对抗网络音乐生成符号音乐深度学习卷积神经网络

在线全文

学校读者我要写书评

暂无评论

强化学习在单音轨音乐生成的应用

强化学习在单音轨音乐生成的应用

作者：刘海滨中国科学院大学(中国科学院深圳先进技术研究院)

学位级别：硕士

音乐是一种与人类社会密切相关的听觉艺术,在社会生活中扮演了重要的角色。但音乐创作存在着很高的门槛,需要创作者具备良好的音乐知识和天赋支撑。随着短视频、自媒体的蓬勃发展,音乐创作的需求越来越大,探索应用机器学习方法自动生成... 详细信息

音乐是一种与人类社会密切相关的听觉艺术,在社会生活中扮演了重要的角色。但音乐创作存在着很高的门槛,需要创作者具备良好的音乐知识和天赋支撑。随着短视频、自媒体的蓬勃发展,音乐创作的需求越来越大,探索应用机器学习方法自动生成音乐的需求应运而生,因此如何采用人工智能算法自动生成音乐成为了当前的研究热点。当前的音乐生成技术主要分为三类,分别是基于语言模型的音乐生成算法、基于对抗生成网络(Generative Adversarial Networks,GAN)的音乐生成算法、基于强化学习(Reinforce Learning,RL)的音乐生成方法。但上述方法处于初生阶段,仍存在许多不足之处。例如,采用基于语言模型的序列生成的方法采用将音符类比于字符生成,但音乐和语言不同,音乐往往是长时间序列且稀疏,这为语言模型的设计提出了很大的挑战;而基于GAN的方法往往以卷积神经网络作为鉴别器和生成器,只能捕捉到短时间范围的音乐特征,生成的音乐往往在片段之间割裂比较明显,并且对抗生成网络也存在难以训练的情况,这使得GAN方法在音乐生成中存在着一定的局限性。而强化学习理论上只要设计出合理的智能体和奖励函数,就可以实现自动学习,自动创作,生成符合乐理规则和悦耳好听的音乐。然而强化学习中的奖励函数很难覆盖全部音乐类型,因此,探讨相似音乐风格的强化学习框架是音乐生成道路上可实现的有益尝试。鉴于此,本研究针对音乐生成任务提出了针对具有相似风格的单音轨音乐生成任务适用的,可学习具有一定主题性音乐风格的强化学习框架,为以后推广到多风格学习的基于强化学习的音乐生成方法提供方法基础。因此,本文围绕基于强化学习的相似风格音乐生成方法进行了探索,主要完成以下工作:1.提出了一种新型的奖励函数设计方法。针对如何将音乐创作的结构信息融合至奖励函数,本文提出了一种基于乐理结构的多尺度主题模型提取构建奖励函数的方法。该方法通过设计在不同音乐粒度上的特征提取器,实现对音乐的结构特征提取。通过设计多尺度音乐粒度上特征表达函数,将音乐本身蕴含的乐理结构融入至奖励函数之中。实验的主客观评价指标结果表明,采用该方法能够实现比基于手工规则和基于前后关系的奖励函数方法更好的音乐生成效果,解决了缺乏乐理知识难以提出规则的问题,同时也弥补了前后关系的网络模型对音乐创作的结构信息使用不足的问题。2.提出了一种新型的、针对音乐生成任务的音乐智能体的结构设计。当前音乐智能体主要以长短时神经网络为主,由于其建模能力的限制,在生成的结果中往往存在生成结果高度相似的情况。因此,本研究在具体分析了其产生的原因基础之上,提出了一种通过在智能体内部增设三个可学习参数并且添加余弦距离来限制模型收敛方向的智能体设计方法。实验结果表明,本研究提出的在长短时神经网络(Long short-termmemory,LSTM)内部增设可学习参数,并同时在训练中添加对相邻两个状态的限制,在生成音乐的分布上和可听性上效果超越了当前LSTM和基于注意力机制的模型。3.提出了一种针对相似音乐风格的单轨音乐生成任务的通用强化学习框架。将优化后的智能体与奖励函数学习方法融合,实现组件间的系统整合,构建出基于相似音乐风格的单轨音乐生成任务的通用强化学习框架。实验结果证明,通过该框架可以让智能体学到音乐结构信息,让模型生成的结果更接近音乐数据集。本研究所提出的框架是对强化学习框架在音乐生成领域的一次有益的尝试,可实现基于大规模音乐数据集为支撑学习音乐作曲的范式,提高模型的泛化能力,进而提高自动作曲音乐的可听性,对降低音乐创作门槛,降低音乐作曲成本,具有良好的经济效益和社会效益。

关键词：音乐生成强化学习 LDA主题模型 LSTM优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于心音特征的音乐生成模型研究

基于心音特征的音乐生成模型研究

作者：李想电子科技大学

学位级别：硕士

心脏病是危害当今社会人民身体健康的重大疾病,每年有1770万人死于心脏相关疾病。心音分类作为心脏病预检的主要手段具有重大的研究意义,这种方法需要通过专业的医护人员聆听心音并判断其是否含有病理性的杂音进行诊断。但受制于其所需... 详细信息

心脏病是危害当今社会人民身体健康的重大疾病,每年有1770万人死于心脏相关疾病。心音分类作为心脏病预检的主要手段具有重大的研究意义,这种方法需要通过专业的医护人员聆听心音并判断其是否含有病理性的杂音进行诊断。但受制于其所需的专业知识,普通群众很难直接对原始心音进行分类。本课题为了降低普通群众对于心音自检的门槛,研究了通过深度学习方法将复杂心音转化为更容易识别、差异性更大的音乐文件方法,通过更简单的音乐分类实现更复杂的心音分类工作。因此,本文的研究工作分为以下几点:研究基于心音梅尔频谱图的心音音乐生成方法,目的是将心音先转换成图片,再利用当下较流行的深度学习相关方法实现心音音乐生成。本文将心音与音乐转换为梅尔频谱图并构建数据集,利用改进后的循环生成对抗网络进行风格转换,实现心音梅尔频谱图到音乐梅尔频谱图的转换。获得心音音乐梅尔频谱图后,利用波网声码器生成心音音乐,实现了一个基于图片的心音音乐生成方案,同时通过主观调研的方式,对比了生成音乐的真实性以及其对原始心音类型的反映能力(具体可以表现为依据心音音乐对原始心音进行分类的准确性)。研究基于符号化音乐生成的心音音乐生成方法,目的是通过构建音符及和弦与心音特征间的关系实现心音音乐生成。本文首先依据梅尔频率倒谱系数(Melscale Frequency Cepstral Coefficients,MFCC)的特性进行特征提取,接下来提取出音乐数据集中的音符及和弦并进行编码。通过将MFCC与音符编码配准构建训练集,利用HBSM-NET模型得到音符编码,再利用music21库进行编曲,实现基于符号化的音乐生成方法,通过主观评价与客观评价两种方式对心音音乐的真实性及对原始心音类型反映能力进行了衡量并对符号化的心音音乐生成方法与图像化的心音音乐生成方法进行了对比。为了将目标算法投入日常应用,在本文提出的心音音乐生成算法基础上进行了心音音乐生成系统研究与开发工作,系统主要实现对用户的心音进行保存、心音音乐生成及在线展示、心音音乐生成记录保存等功能,主要目标是为用户提供可交互的心音音乐生成平台。

关键词：心音分类音乐生成循环生成对抗网络波网网络时域卷积网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脑波的情绪音乐生成和评估方法研究

基于脑波的情绪音乐生成和评估方法研究

作者：邱际宝华南理工大学

学位级别：硕士

脑波也被称为脑电信号,是大脑活动时产生的生理信号,在临床中得到广泛应用。但脑电信号过于复杂,让未经培训的人难以理解。脑波音乐是提升脑电信号展现性的一种尝试,将脑电信号映射为音乐,通过音乐来展现脑电信号承载的生理和心理状态... 详细信息

脑波也被称为脑电信号,是大脑活动时产生的生理信号,在临床中得到广泛应用。但脑电信号过于复杂,让未经培训的人难以理解。脑波音乐是提升脑电信号展现性的一种尝试,将脑电信号映射为音乐,通过音乐来展现脑电信号承载的生理和心理状态信息。情绪是脑电信号分析的重要对象,也是音乐创作的重要内容。本文从保留脑电信号携带的情绪信息的角度出发,研究如何基于脑电信号生成具有情绪的音乐和如何评估该音乐的情绪。本文主要的研究工作如下:(1)针对脑波音乐音乐性较差的问题,本文提出了基于脑波的情绪音乐生成算法。该算法将脑电信号和音乐映射至同一情绪空间,利用情绪作为“桥梁”关联脑电信号和音乐,然后利用基于深度学习的音乐生成网络来生成具有情绪的音乐。针对现有音乐编码方法对于情绪相关信息利用不全面的缺陷,本文提出了CPKT编码方法,在CP编码方法的基础上增加对于调性和拍号的表达,增强对情绪相关信息的编码。针对具有情绪标签的数据集较少的问题,本文建立了具有情绪标签的古典钢琴曲数据集ECLP。开展的量化指标实验和问卷调研结果表明,本文提出的算法在音乐性和对脑电信号承载的情绪信息的表达准确性等方面优于现有模型。(2)针对现有符号音乐情绪分类模型对音乐结构信息利用不足的缺陷,提出了基于辅助任务的AT-SMNN算法框架。AT-SMNN算法框架利用调性和力度辅助任务帮助情绪分类主任务提取与情绪更相关的表征。本文利用AT-SMNN框架改进了现有的模型。实验结果表明,基于AT-SMNN框架的模型在多个数据集上取得了最优结果。本文将提出的符号音乐情绪分类模型应用于评估提出的基于脑波的情绪音乐生成模型的性能,实验表明模型评估结果与人工评估的结论总体保持一致,验证了提出模型的有效性。(3)本文开发了一个基于脑波的情绪音乐生成系统。将本文提出的基于脑波的情绪音乐生成算法和符号音乐情绪评估算法应用于该系统,实现了读取脑电信号并生成具有情绪的音乐等功能。系统的操作简单,界面简约,达到了通过聆听音乐区分用户不同情绪状态的目的。

关键词：脑波音乐音乐生成音乐分类情感计算

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脑电信号的情绪分析与音乐生成

基于脑电信号的情绪分析与音乐生成

作者：罗刚南昌航空大学

学位级别：硕士

脑电信号能够有效反映人的生理与心理状态,对挖掘大脑信息与规律具有重要意义。人们的情绪信息通常隐藏在脑电信号等生理信号中。音乐是一种非语言的听觉艺术形式,是大脑智力活动的产物,常被用于表达情绪。研究音乐刺激与脑电信号之间... 详细信息

脑电信号能够有效反映人的生理与心理状态,对挖掘大脑信息与规律具有重要意义。人们的情绪信息通常隐藏在脑电信号等生理信号中。音乐是一种非语言的听觉艺术形式,是大脑智力活动的产物,常被用于表达情绪。研究音乐刺激与脑电信号之间的联系、以及如何将脑电信号通过音乐的形式表达情绪是目前脑电信号的研究重点。然而,现有的基于脑电信号的情绪分析与音乐生成方法的研究尚不成熟,存在特征表征不连续等一定的局限性,因此亟需研究更有效的脑电特征提取方法与基于脑电信号的音乐生成方法。针对上述问题,本文详细分析了当前常用脑电特征提取方法存在的问题,根据当前方法存在忽略连续频率间关系的问题,提出了增强型功率谱密度特征提取方法,其是利用脑电信号频率间关系的一种特征提取方法。除此之外,本文详细分析了当前音乐生成方法存在的不足,针对现有方法中评价单一、缺少情感表达的问题,分别提出了多评价标准的音乐生成方法与基于情绪脑电的多任务音乐生成方法,通过实验验证方法的有效性。本文研究的内容和成果如下:(1)针对功率谱密度在脑电情绪分析中存在特征单一且无法有效表示频率间差异的问题,提出一种增强型功率谱密度的特征提取方法,实现对情绪的分析。通过脑电信号的α频率功率谱密度得到功率谱密度图像,提取其颜色特征、纹理特征与相似性特征,再基于相关性准则剔除冗余特征,以差异显著性P值的平均最小值为目标,获得最终的特征子集,从而有效地融合了不同图像特征,最后对被试的情绪进行分析与差异显著性判断。试验结果表明,所提出的方法在上海交通大学情绪脑电数据集与自行采集的数据表现出可行性和有效性,能够有效分析不同音乐对情绪的影响。(2)为了解决音乐生成领域的音乐评价单一问题,提出了一种基于GA+LSTM的多评价标准融合的音乐生成方法。通过学习原始情感音乐数据集中的模式来生成音乐序列,对每一段音乐序列都是通过音乐规则、音乐相似度和主观得分来评价的。利用长短期记忆神经网络,以音乐序列为输入,融合的评价值为输出,对从音乐数据集中选出的具有代表性的音乐序列进行训练,建立音乐评价模型。将评价模型的输出作为遗传算法的适应度,从而获得最优音乐。实验表明,所提出方法在音乐表达方面比其他方法具有更优的表现。此外,长短期记忆神经网络和原子搜索优化方法获得了更多更好的主观评分结果。(3)针对EEG-Music的情感表达问题,提出了一种基于情绪脑电的多任务学习音乐生成方法,该方法能够生成情感音乐。利用智能计算与神经网络构成的学习模块来扩大原始情感音乐的规模,设计了一个简单而有效的评估模块来全面评估每首音乐,探索了结合支持向量机和多任务长短期记忆神经网络的融合模型,将情感特征集成到音乐生成中,以确保情感表达。将所提出的方法与其他方法在音乐效果方面进行比较,并评估情感生成音乐和原始情感音乐之间的音乐特征。实验结果表明,所提出的方法在情感表达与乐属性方面都取得了较好的效果。

关键词：脑电信号音乐生成情绪分析情感表达医疗健康