發(fā)布時(shí)間：2020-05-21 23:14

【摘要】：音樂(lè)是一種重要的藝術(shù)形式。隨著人們生活質(zhì)量的提高,娛樂(lè)方式趨于多樣化。眾多的游戲、動(dòng)畫(huà)、短視頻等都需要大量的原創(chuàng)作曲來(lái)支持,但專業(yè)的音樂(lè)制作成本較高,風(fēng)格曲式較為單一,無(wú)法滿足人們的個(gè)性化需求。隨著機(jī)器學(xué)習(xí)的發(fā)展,計(jì)算機(jī)自動(dòng)作曲將大大提高音樂(lè)創(chuàng)作力,降低非專業(yè)人員的創(chuàng)作門檻,同時(shí)輔助作曲家開(kāi)拓新的創(chuàng)作思路。為方便檢索和管理,文中對(duì)生成的音樂(lè)進(jìn)行了情感歸類。文中分析了常用的算法作曲方法,包括HMM模型的方法、音樂(lè)規(guī)則的方法、遺傳算法以及目前流行的神經(jīng)網(wǎng)絡(luò)作曲算法。為提高作曲效率,本文使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)算法作曲�；�于目前的研究,本文提出了一種新的算法作曲網(wǎng)絡(luò)MCNN,通過(guò)構(gòu)建合理的Reward函數(shù)來(lái)調(diào)整生成網(wǎng)絡(luò)LSTM的概率分布,同時(shí)使用音樂(lè)理論規(guī)則來(lái)約束生成音樂(lè)風(fēng)格,實(shí)現(xiàn)特定風(fēng)格音樂(lè)的智能生成。文中數(shù)據(jù)庫(kù)選用古典風(fēng)格的鋼琴曲,并對(duì)古典風(fēng)格鋼琴曲的旋律規(guī)則、和聲規(guī)則、編排規(guī)則及切分音個(gè)數(shù)四個(gè)方面進(jìn)行了建模。本文提出一種基于最小距離的客觀評(píng)價(jià)方法,通過(guò)提取古典音樂(lè)的特征包括音域、重復(fù)音符、垂直四度、節(jié)奏變異性、平行運(yùn)動(dòng)、垂直三音調(diào)、和弦持續(xù)時(shí)間、音高共八個(gè)維度進(jìn)行客觀評(píng)估;同時(shí)構(gòu)建了基于專業(yè)人士打分的主觀評(píng)價(jià)系統(tǒng),從音樂(lè)的旋律、節(jié)奏、和聲、音樂(lè)質(zhì)地及表達(dá)力度五個(gè)角度進(jìn)行主觀評(píng)價(jià),并驗(yàn)證了本文算法的優(yōu)越性。音樂(lè)的產(chǎn)生依賴于創(chuàng)作者情感的迸發(fā)。本文提出一種差分進(jìn)化加權(quán)的隨機(jī)森林分類模型,通過(guò)融合音樂(lè)的時(shí)域特征、頻域特征、聽(tīng)覺(jué)語(yǔ)譜圖特征及非線性Hurst參數(shù),實(shí)現(xiàn)音樂(lè)的情感分類。
【圖文】：

與普通的全連接神經(jīng)網(wǎng)絡(luò)相比，卷積神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)之間是部分相連的。卷積層與池化層交替連接，實(shí)現(xiàn)特征的逐層提取，最后由全連接層完成分類任務(wù)。卷積層通過(guò)卷積運(yùn)算，可提取上一層局部區(qū)域的特征。在圖像處理中，對(duì)一個(gè)圖片進(jìn)行卷積計(jì)算，本質(zhì)上就是通過(guò)卷積核來(lái)實(shí)現(xiàn)圖像的濾波過(guò)程。圖像的卷積計(jì)算過(guò)程可用公式（2.16）表示。(2.16)其中， f ( x , y )表示圖像上第 x 行、第 y 列上的點(diǎn)灰度值，， w( x , y )為卷積核，a,b 為卷積核的大小，表示參與卷積計(jì)算的鄰域范圍。卷積核中，權(quán)值大的量所對(duì)應(yīng)的鄰域范圍特征對(duì)最后的結(jié)果貢獻(xiàn)越大。卷積核相當(dāng)于一個(gè)權(quán)重模板，在圖像矩陣中滑動(dòng)游走，滑動(dòng)一次，就進(jìn)行一次卷積計(jì)算，并將結(jié)果作為圖像上對(duì)應(yīng)像素點(diǎn)的響應(yīng)。如圖 2.12 所示，假設(shè)輸入圖片是一個(gè)6 6的矩陣，卷積核為一個(gè)3 3的矩陣，且滑動(dòng)步長(zhǎng)設(shè)置為 1，通過(guò)對(duì)圖像中藍(lán)色的區(qū)域通過(guò)卷積核計(jì)算，得到第（0,0）位置的值為 17。( , ) ( , ) ( , ) ( , )a bs a t bf x y w x y w s t f x s y t

3 基于 MCNN 網(wǎng)絡(luò)的音樂(lè)生成算法高分，去掉一個(gè)最低分，然后求均值，公式如（3.11）。其中 x 可分別代表 5個(gè)參數(shù)，即旋律、節(jié)奏、和聲、音樂(lè)質(zhì)地及表達(dá)力度。1811( )18iiE x x (3.11)3.7 實(shí)驗(yàn)3.7.1 數(shù)據(jù)庫(kù)及數(shù)據(jù)預(yù)處理實(shí)驗(yàn)中使用 Classical Piano Midi Page（CPMG）數(shù)據(jù)集作為訓(xùn)練樣本[35]，該數(shù)據(jù)庫(kù)收集了 18 世紀(jì)-19 世紀(jì)的多個(gè)作曲家的古典音樂(lè)集，通過(guò)分割篩選得到 9600 個(gè)音樂(lè)樣本。實(shí)驗(yàn)中用到的音樂(lè)樣本時(shí)長(zhǎng)約為 20s。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：J614;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

9 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

10 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué));2016年03期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2675058