音乐作品风格流派的神经网络识别方法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (27): 246-248.

• 工程与应用 • 上一篇

音乐作品风格流派的神经网络识别方法研究

喻晓雯1，张楠2，张勇2

1.广州大学，广州 510640
2.华南理工大学，广州 510640

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-21 发布日期:2011-09-21

Research on nerve network identify method of music work style genre

YU Xiaowen1，ZHANG Nan2，ZHANG Yong2

1.Guangzhou University，Guangzhou 510640，China
2.South China University of Technology，Guangzhou 510640，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-21 Published:2011-09-21

摘要/Abstract

摘要： 音乐风格反映了音乐作品的总体基本特征，是音乐欣赏、分析、研究的基础。针对音乐风格流派分析技术的核心——旋律特征描述和特征匹配，发展了非毗邻层连接的前馈神经网络结构，给出了误差反传训练算法的分类器，并进行了实验研究。结果表明，非毗邻层连接的前馈神经网络结构有优越的识别性能和极快的收敛速度。

关键词: 音乐, 风格, 特征, 神经网络

Abstract: Music style reflects the total basic characteristic of music work，which is the foundation of music listening，analysis and research.Aiming at the core of music style genre analytical technical：cantus characteristic description and characteristic match，this paper develops the feedforward neural network structure of not-adjacent layer conjunction，gives the machine that the error margin is inverted spread the classification of training the calculate way and carries on the experimental research.The result indicates that the front feedback nerve network structure of not-adjacent layer conjunction has predominant function on identify and splitting velocity on convergence.

Key words: music, style, characteristic, nerve network

喻晓雯1，张楠2，张勇2. 音乐作品风格流派的神经网络识别方法研究[J]. 计算机工程与应用, 2011, 47(27): 246-248.

YU Xiaowen1，ZHANG Nan2，ZHANG Yong2. Research on nerve network identify method of music work style genre[J]. Computer Engineering and Applications, 2011, 47(27): 246-248.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[4]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[5]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[6]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[7]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[8]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[9]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[10]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[11]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[12]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[13]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[14]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[15]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.

音乐作品风格流派的神经网络识别方法研究

Research on nerve network identify method of music work style genre

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics