基于循环神经网络的音乐要素生成
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 算法作曲的基本概念 | 第9-10页 |
| 1.2 现有的算法作曲模型 | 第10-11页 |
| 1.3 用于算法作曲的机器学习模型 | 第11-13页 |
| 1.3.1 马尔可夫链 | 第11-12页 |
| 1.3.2 人工神经网络 | 第12-13页 |
| 1.4 本文的研究目标及组织结构 | 第13-15页 |
| 2 音乐的概念 | 第15-20页 |
| 2.1 什么是音乐 | 第15-16页 |
| 2.2 音乐的几个基本概念 | 第16-18页 |
| 2.2.1 音高 | 第16页 |
| 2.2.2 音长 | 第16-17页 |
| 2.2.3 音程 | 第17页 |
| 2.2.4 音阶 | 第17-18页 |
| 2.3 本文研究的音乐要素 | 第18-19页 |
| 2.3.1 旋律 | 第18页 |
| 2.3.2 节奏 | 第18-19页 |
| 2.3.3 和声 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 基于循环神经网络的旋律生成 | 第20-29页 |
| 3.1 概述 | 第20-21页 |
| 3.2 模型设计 | 第21-24页 |
| 3.2.1 旋律的表示方法 | 第21-22页 |
| 3.2.2 循环神经网络 | 第22页 |
| 3.2.3 模型原理 | 第22-24页 |
| 3.3 实验结果 | 第24-27页 |
| 3.3.1 数据预处理 | 第24-25页 |
| 3.3.2 旋律的续写 | 第25-26页 |
| 3.3.3 旋律的自动生成 | 第26-27页 |
| 3.4 本章小结 | 第27-29页 |
| 4 基于双向LSTM模型的和弦生成 | 第29-38页 |
| 4.1 概述 | 第29-30页 |
| 4.2 模型设计 | 第30-33页 |
| 4.2.1 数据预处理 | 第30-31页 |
| 4.2.2 双向LSTM网络 | 第31-32页 |
| 4.2.3 隐马尔可夫模型 | 第32-33页 |
| 4.3 实验结果 | 第33-37页 |
| 4.3.1 数据集 | 第33页 |
| 4.3.2 定量评估与定性评估 | 第33-34页 |
| 4.3.3 和弦生成的准确率 | 第34-35页 |
| 4.3.4 用户的主观评价 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 基于梯度频率神经网络的节奏生成 | 第38-47页 |
| 5.1 概述 | 第38-39页 |
| 5.2 模型所涉及的基本概念 | 第39-42页 |
| 5.2.1 脉冲和度量 | 第39-41页 |
| 5.2.2 梯度频率神经网络 | 第41-42页 |
| 5.3 模型设计 | 第42-44页 |
| 5.3.1 GFNN层 | 第43-44页 |
| 5.3.2 LSTM层 | 第44页 |
| 5.4 实验结果 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
