典型文献
基于WGAN和扩张卷积的符号音乐生成算法
文献摘要：
符号音乐生成模型大多采用循环神经网络结构递归生成,生成时随着时间推移顺序处理,存在缺乏空间相关性、并行性差、训练速度慢等问题.针对这些问题本文提出了一种新的音乐生成方法,即在2维空间域中基于Wasserstein距离生成对抗网络与深度卷积神经网络相结合的音乐生成算法,引入扩张卷积增加判别器的卷积核宽度来提取更多的旋律特征,并采用梯度惩罚实现Lipschitz约束,稳定网络训练.实验结果表明,模型有效地学习了音乐数据,生成的音乐符合人类作曲音符分布的自然性,且模型的收敛速度优于其他模型.
文献关键词：
生成对抗网络;音乐生成;符号音乐;深度学习;卷积神经网络
中图分类号：
作者姓名：
孙凤霄;孙仁诚
作者机构：
泰山科技学院大数据学院,山东泰安271000;青岛大学计算机科学与技术学院,山东青岛266000
文献出处：
引用格式：
[1]孙凤霄;孙仁诚-.基于WGAN和扩张卷积的符号音乐生成算法)[J].复旦学报（自然科学版）,2022(05):536-545
A类：
符号音乐
B类：
WGAN,扩张卷积,音乐生成,生成算法,生成模型,循环神经网络,神经网络结构,递归,时间推移,空间相关性,并行性,训练速度,速度慢,题本,生成方法,维空间,空间域,Wasserstein,生成对抗网络,深度卷积神经网络,判别器,卷积核,旋律特征,梯度惩罚,Lipschitz,网络训练,地学,作曲,音符,自然性,收敛速度
AB值：
0.347506
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
