申请/专利权人：江苏师范大学

申请日：2019-06-21

公开（公告）日：2023-10-03

公开（公告）号：CN110377785B

主分类号：G06F16/65

分类号：G06F16/65;G06F16/683;G06F18/214;G06F18/24;G06N3/0442;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2023.10.03#授权;2019.11.19#实质审查的生效;2019.10.25#公开

摘要：本发明公开了一种基于深度学习的徐州梆子作曲方法，首先通过稀疏成分分离提取徐州梆子乐曲中的梆子敲击部分以分离其他乐曲和梆子部分；然后，通过深度学习训练得出乐曲的特征；最后，利用递归神经网络进行训练和预测乐曲，再和生成的梆子相结合得到新的徐州梆子乐曲。采用本发明能够自动生成新的徐州梆子乐曲，对徐州梆子乐曲的保护和传承有重大意义。

主权项：1.一种基于深度学习的徐州梆子作曲方法，其特征在于，包括以下步骤：1通过稀疏成分分离将徐州梆子乐曲分离成含梆子敲击部分的徐州梆子和不含梆子敲击部分的其他乐曲；2对徐州梆子乐曲和其他类型的乐曲进行分类，得出徐州梆子乐曲的特征；3利用步骤2得到的特征，通过递归神经网络进行训练和预测其他徐州梆子乐曲；4利用步骤1中分离得到的梆子敲击部分乐曲训练字典，根据梆子乐曲重拍，确定稀疏系数，生成梆子敲击部分；5由步骤3得到的徐州梆子乐曲和生成的梆子敲击部分相结合得到新的徐州梆子乐曲；所述步骤3实现过程如下：利用梆子乐曲特征训练递归神经网络模型；将该模型的目标函数设定为tanh函数，具体地：从“细胞状态”中提取乐曲特征：ft＝σWf·[ht-1,xt]+bf3将上层细胞提取的乐曲特征放到“新细胞状态”中：it＝σWi·[ht-1,xt]+bi4 更新“细胞状态”： 基于“细胞状态”得到输出：ot＝σWo·[ht-1,xt]+bo7ht＝ot*tanhCt8上述式子中，ot为输出门，it为输入门，Ct为记忆单元；所述步骤4包括以下步骤：41随机选择一个其他类型乐曲的特征数据，利用LSTM预测输出得到新的特征数据，经过变分式自动编码解码过程生成单位乐曲序列，依次拼接得到新的乐曲；42在重拍中加入生成的梆子，得到新的徐州梆子乐曲。

全文数据：一种基于深度学习的徐州梆子作曲方法技术领域本发明涉及人工智能领域，涉及到自动作曲方法，特别涉及到一种基于深度学习的徐州梆子作曲方法。背景技术人工智能作曲作为一个新兴的研究方向，其主要目的是应用计算机来模仿人们对音乐的认知，进行辅助创作和设计。探索人工智能的徐州梆子作曲问题一方面可以了解徐州梆子在音乐创作过程中的特点；另一方面，通过算法作曲得到的徐州梆子音乐是对现有音乐的有益补充。目前还没有徐州梆子自动算法作曲方面的研究。本发明首先将徐州梆子中的梆子和其他部分相分离，提出基于变分式自动编码和递归神经网络的乐曲生成方法，然后和梆子部分相结合，生成新的徐州梆子音乐。填补了技术上空白，提供一种切实可行徐州梆子乐曲自动生成方法。发明内容发明目的：本发明提出了一种可批量且自动生成的基于深度学习的徐州梆子作曲方法。技术方案：本发明所述的一种基于深度学习的徐州梆子作曲方法，包括以下骤：1通过稀疏成分分离将徐州梆子乐曲分离成含梆子敲击部分的徐州梆子和不含梆子敲击部分的其他乐曲；2对徐州梆子乐曲和其他类型的乐曲进行分类，得出徐州梆子乐曲的特征；3利用步骤2得到的特征，通过递归神经网络进行训练和预测其他徐州梆子乐曲；4利用步骤1中分离得到的梆子敲击部分乐曲训练字典，根据梆子乐曲重拍，确定稀疏系数，生成梆子敲击部分；5由步骤3得到的徐州梆子乐曲和生成的梆子敲击部分相结合得到新的徐州梆子乐曲。所述步骤1包括以下步骤：11构建徐州梆子乐曲训练集，将每个乐曲分割为单位音乐序列，取单位时长3秒；12分别构造梆子和其他乐曲的字典，利用稀疏分解，同时求得这两部分的稀疏系数，实现两部分的分离：Y＝D1θ1+D2θ2其中，D1D2分别是梆子字典和其他乐曲字典，θ1θ2是这两部分的稀疏系数。所述步骤2包括以下步骤：21应用变分式自动编码算法将徐州梆子和其它乐曲分为两类；22将软阈值法分类前的数据作为徐州梆子和其他乐曲的特征。所述步骤4包括以下步骤：41随机选择一个其他类型乐曲的特征数据，利用LSTM预测输出得到新的特征数据，经过变分式自动编码解码过程生成单位乐曲序列，依次拼接得到新的乐曲；42在重拍中加入生成的梆子，得到新的徐州梆子乐曲。有益效果：与现有技术相比，本发明的有益效果：1、本发明应用变分式自动编码算法区分徐州梆子与其他乐曲特征；2、利用递归深度学习模型训练和预测其他乐曲，与传统机器学习相比，该模型能够自动提取乐曲特征，避免手动提取特征的麻烦；3、利用卷积神经网络的自主学习能力，通过输入训练数据自动更新网络参数。附图说明图1为本发明的体流程图；图2是本发明中的深度学习徐州梆子作曲框图。具体实施方式下面结合附图对本发明做进一步说明，图1为本发明的流程图，包括以下步骤：1、提取徐州梆子乐曲中的梆子敲击部分以分离其他乐曲和梆子部分。1选择一批徐州梆子和其他音频乐曲用于构建训练集。将每个乐曲分割为单位音乐序列，取单位时长3秒。2分别构造梆子和其他乐曲的字典，利用稀疏分解，同时求得这两部分的稀疏系数，实现两部分的分离。Y＝D1θ1+D2θ21其中，D1D2分别是梆子字典和其他乐曲字典，θ1θ2是这两部分的稀疏系数。2、通过深度学习训练得出乐曲的特征，如图2所示。1应用变分式自动编码算法将徐州梆子和其它乐曲分为两类。VAE的目标是构建一个从隐变量生成目标数据的模型，它的两个encoder一个用来计算均值，一个用来计算方差。简单的通过tanh函数得到其输出：2将软阈值法分类前的数据作为徐州梆子和其他乐曲的特征。3、利用递归神经网络进行训练和预测乐曲，再和生成的梆子相结合得到新的徐州梆子乐曲。1利用梆子乐曲特征训练长短期记忆网络LSTM模型；将该模型的目标函数设定为tanh函数，具体地：a、决定从“细胞状态”中提取乐曲特征ft＝σWf·[ht-1，xt]+bf3b、决定将上层细胞提取的乐曲特征放到“新细胞状态”中it＝σWi·[ht-1,xt]+bi4c、更新“细胞状态”d、基于“细胞状态”得到输出，ot＝σWo·[ht-1,xt]+bo7ht＝ot*tanhCt8上述式子中，ot为输出门，it为输入门，Ct为记忆单元。4、由第3步得到的模型再和生成的梆子相结合得到新的徐州梆子乐曲1随机选择一个单位乐曲序列的特征数据，利用LSTM预测输出得到新的特征数据，经过变分式自动编码解码过程生成单位乐曲序列，依次拼接得到新的乐曲；2在重拍中加入生成的梆子，得到新的徐州梆子乐曲。

权利要求：1.一种基于深度学习的徐州梆子作曲方法，其特征在于，包括以下步骤：1通过稀疏成分分离将徐州梆子乐曲分离成含梆子敲击部分的徐州梆子和不含梆子敲击部分的其他乐曲；2对徐州梆子乐曲和其他类型的乐曲进行分类，得出徐州梆子乐曲的特征；3利用步骤2得到的特征，通过递归神经网络进行训练和预测其他徐州梆子乐曲；4利用步骤1中分离得到的梆子敲击部分乐曲训练字典，根据梆子乐曲重拍，确定稀疏系数，生成梆子敲击部分；5由步骤3得到的徐州梆子乐曲和生成的梆子敲击部分相结合得到新的徐州梆子乐曲。2.根据权利要求1所述的一种基于深度学习的徐州梆子作曲方法，其特征在于，所述步骤1包括以下步骤：11构建徐州梆子乐曲训练集，将每个乐曲分割为单位音乐序列，取单位时长3秒；12分别构造梆子和其他乐曲的字典，利用稀疏分解，同时求得这两部分的稀疏系数，实现两部分的分离：Y＝D1θ1+D2θ2其中，D1D2分别是梆子字典和其他乐曲字典，θ1θ2是这两部分的稀疏系数。3.根据权利要求1所述的一种基于深度学习的徐州梆子作曲方法，其特征在于，所述步骤2包括以下步骤：21应用变分式自动编码算法将徐州梆子和其它乐曲分为两类；22将软阈值法分类前的数据作为徐州梆子和其他乐曲的特征。4.根据权利要求1所述的一种基于深度学习的徐州梆子作曲方法，其特征在于，所述步骤4包括以下步骤：41随机选择一个其他类型乐曲的特征数据，利用LSTM预测输出得到新的特征数据，经过变分式自动编码解码过程生成单位乐曲序列，依次拼接得到新的乐曲；42在重拍中加入生成的梆子，得到新的徐州梆子乐曲。

百度查询： 江苏师范大学 一种基于深度学习的徐州梆子作曲方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD