首页--艺术论文--音乐论文--音乐技术理论与方法论文--作曲理论论文--其他作曲理论论文

基于神经网络的算法作曲系统

摘要第5-6页
Abstract第6-7页
第一章 绪论第12-16页
    1.1 算法作曲的概念第12页
    1.2 算法作曲的主要方法与相关研究历史第12-14页
    1.3 算法作曲的主要难点第14页
    1.4 算法作曲的研究意义与相关应用第14-15页
    1.5 本文组织结构第15-16页
第二章 音乐的特征属性第16-30页
    2.1 音乐的基础知识第16页
    2.2 常用音乐特征介绍第16-23页
        2.2.1 音高第16-18页
        2.2.2 音长第18-20页
        2.2.3 音量第20页
        2.2.4 音色第20-21页
        2.2.5 音程第21-22页
        2.2.6 节奏第22页
        2.2.7 调式第22页
        2.2.8 和声第22-23页
    2.3 音乐特征的表示第23-29页
        2.3.1 直接表示法第23-24页
        2.3.2 0-1表示法第24页
        2.3.3 抽象空间表示法第24-29页
    2.4 本章小结第29-30页
第三章 神经网络学习模块第30-45页
    3.1 神经网络学习的目标第30-31页
    3.2 BP神经网络的训练第31-33页
    3.3 递归神经网络——算法作曲的总样貌第33-35页
    3.4 传统的递归神经网络的弊端——梯度的消失第35-37页
    3.5 解决梯度消失的方法—LSTM算法第37-44页
    3.6 LSTM用于算法作曲第44页
    3.7 本章小结第44-45页
第四章 训练数据聚类模块第45-53页
    4.1 训练数据的分布第45-46页
    4.2 音乐抽象空间的具体化第46-52页
        4.2.1 音乐风格空间第47-48页
        4.2.2 音乐情感空间第48-50页
        4.2.3 利用机器学习算法定义抽象空间第50-52页
    4.3 本章小结第52-53页
第五章 自动作曲系统实现说明第53-64页
    5.1 自动作曲系统架构第53-54页
    5.2 开发环境第54页
    5.3 训练数据预处理模块第54-56页
    5.4 训练数据聚类模块第56页
    5.5 网络训练模块第56-57页
    5.6 用户界面模块第57-58页
    5.7 作曲模块说明第58-59页
    5.8 用户使用流程第59-61页
    5.9 系统在多线程方面的不足第61页
    5.10 系统结果展示第61-63页
    5.11 本章小结第63-64页
第六章 总结与展望第64-67页
    6.1 本文工作总结第64-65页
    6.2 未来工作展望第65-67页
参考文献第67-70页
致谢第70-71页

论文共71页,点击 下载论文
上一篇:滥用职权罪中“重大损失”的认定研究--以王某涉嫌滥用职权罪一案为例
下一篇:不真正连带责任法律适用的案例分析