10.3969/j.issn.1000-386x.2022.08.024
基于深度学习的减压音乐重构研究
音乐在旋律与和弦之间有复杂的匹配关系,音乐重构是长时间序列生成的算法研究.通过计算多轨道音乐序列的音乐频谱质心,使用栈式自编码器(SAE)对频谱质心较高的音乐进行音符特征提取,将音乐特征输入长短期记忆循环神经网络(LSTM),构建多轨道音乐重构模型.分析重构音乐的和谐度和音符分布均方误差,结果表明该方法好于单独LSTM网络重构方法.设计受试者焦虑状态测评实验,分析播放重构音乐前后受试者的焦虑程度,从而验证生成重构的音乐可以有效减压.
深度学习、音乐重构、频谱质心、栈式自编码器、长短期记忆循环神经网络
39
TP391(计算技术、计算机技术)
吉林省自然科学基金20150101013JC
2022-09-15（万方平台首次上网日期，不代表论文的发表时间）
共5页
158-162
