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：陕西师范大学

摘要：一种基于密集网络和多头注意力机制的音乐自动生成方法，由获取音乐数据集、对数据集进行预处理、划分训练集和测试集、构建音乐自动生成网络、训练音乐自动生成网络、自动生成音乐文件步骤组成。本发明以长短期记忆网络作为基础，加入密集网络提取音乐的特征，并且在一定程度上缓解训练过程中出现的梯度消失问题，引入多头注意力机制关注不同音乐特征在音乐序列中的占比，在长短期记忆网络的门机制中引入二元贝塔分布，加强门控单元捕捉音乐序列前后信息长期依赖关系的性能，整体上优化了神经网络的性能，提升了计算机自动音乐生成的效果。本发明可应用于音乐自动生成技术领域。

主权项：1.一种基于密集网络和多头注意力机制的音乐自动生成方法，其特征在于由下述步骤组成：1获取音乐数据集获取乐器数字接口类型的音乐文件作为训练音乐自动生成网络的数据集；2对数据集进行预处理用音高、音强、音长、和弦事件的形式表示乐器数字接口文件中的音乐，其中音高事件包含128个事件，对应0-127的数字作为索引；音强事件包含32个事件，对应0-31的数字作为索引；音长事件包含100个事件，对应0-99的数字作为索引；和弦事件包含60个事件，对应0-59的数字作为索引，对音乐数据进行音高调整、添加和删除音符、拆分和移动音符的数据增强操作，将音乐事件序列切分成预设长度为30秒的音乐片段，根据音乐事件对应的数字索引将音乐事件序列转换为对应的数字序列；3划分训练集和测试集将数据集划分为训练集和测试集，训练集与测试集的比为8：2；4构建音乐自动生成网络音乐自动生成网络模型由输入层1与激活层2、密集网络层3、长短期记忆网络层4、多头注意力层5、输出层6依次串联构成；5训练音乐自动生成网络将训练集输入到音乐自动生成网络进行训练，使用Adam优化器动态调整音乐自动生成网络的学习率，按照下式的交叉熵损失函数La,b作为损失函数比较输出音符序列和原始音符序列，获取损失值La,b：La,b＝alnb+1-aln1-b其中，a表示原始音符序列，b表示输出音符序列；训练时数据的批次大小为采样率的1～8倍，迭代至交叉熵损失函数收敛，得到训练好的音乐自动生成网络；6自动生成音乐文件将测试集输入到训练好的音乐自动生成网络中，用训练好的模型在指定路径下生成对应的乐器数字接口类型音乐文件。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于密集网络和多头注意力机制的音乐自动生成方法