买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门理工学院

摘要：本发明提供的基于改进径向基函数的AI生成音乐识别方法、装置及设备，涉及人工智能技术领域，本发明方法通过获取不同风格的音乐样本数据集并预处理;然后对预处理后的音乐样本数据集进行各特征提取，并加权融合，得到初始融合特征向量;将初始融合特征向量输入初始化后的模型，采用改进的高斯径向基函数作为激活函数，通过梯度下降法进行模型训练优化，直至达到全局最优解，得到训练好的AI生成音乐识别模型;再对模型进行评估，得到评估好的模型;最后，将音乐数据输入评估好的模型，得到AI音乐识别结果。本发明通过采用改进的径向基函数的高准确性和强非线性逼近能力，提高了模型的识别准确性，缩短了模型训练与推理时长，模型稳定性好。

主权项：1.一种基于改进径向基函数的AI生成音乐识别方法，其特征在于，包括：S1,获取不同风格的音乐样本数据集,并对所述音乐样本数据集进行预处理；其中，所述不同风格包括古典、流行、中式与西方，所述预处理包括采样、量化与歌词分离处理；S2,对预处理后的音乐样本数据集分别进行间奏特征、风格一致性特征与歌词特征提取，并对提取得到的特征赋予初始权重进行加权融合，得到初始融合特征向量;其中，所述风格一致性特征包括主歌副歌的节奏特征以及音高特征；所述初始权重的表达式为： ；其中，a0、a1、a2分别表示和声变化特征、乐器特征和节拍变化特征的初始权重；b0、b1分别表示主歌副歌的节奏特征与音高特征的初始权重；c0、c1分别表示词频特征与词性特征的初始权重，若样本数据为纯音乐，则c0、c1为0；S3,初始化径向基函数多特征网络模型，采用改进的高斯径向基函数作为激活函数，通过梯度下降法，将所述初始融合特征向量输入所述径向基函数多特征网络模型进行训练优化，直至达到全局最优解，得到训练好的AI生成音乐识别模型；其中，所述径向基函数多特征网络模型包括输入层、若干隐藏层和输出层，初始化径向基函数多特征网络模型时，根据所述初始权重，初始化隐藏层和输出层的权值参数，并设定隐藏层的中心初始值为0；在对所述径向基函数多特征网络模型的参数进行训练优化时，直至代价函数达到设定的阈值，得到全局最优欧氏距离，即全局最优解;其中,所述改进的高斯径向基函数的表达式为： ；其中，x是输入向量，即所述初始融合特征向量，是第j个隐藏层单元的中心，是第j个隐藏单元的感受野宽度，是输入向量与中心的多特征加权欧氏距离；所述代价函数为隐藏层的输出与中心的加权欧氏距离的平方的一半，其表达式为： ；其中，表示隐藏层的权重参数矩阵，初始状态下为；S4,对所述AI生成音乐识别模型进行评估，当评估分数超过设定的阈值时，得到评估好的AI生成音乐识别模型;S5,将音乐数据输入所述评估好的AI生成音乐识别模型，得到所述音乐数据的AI音乐识别结果。

全文数据：

权利要求：

百度查询： 厦门理工学院 基于改进径向基函数的AI生成音乐识别方法、装置及设备