基于改进的CNN和STFT的鼓乐乐谱的智能生成方法
1College of Arts, Xiamen University, Xiamen, 361005, China. Nyt2024@163.com.
Scientific reports
|October 9, 2025
概括
这项研究介绍了一种智能音乐乐谱生成方法,使用短时间里埃变换和改进的卷积神经网络. 这种方法提高了乐谱质量和生成效率,使音乐学习者受益.
科学领域:
- 人工智能的人工智能
- 音乐信息检索 音乐信息检索
- 信号处理 信号处理
背景情况:
- 当前的音乐乐谱生成技术在范围和输出质量方面存在局限性.
- 需要先进的方法来提高生成的乐谱的准确性和多样性.
研究的目的:
- 提出一种智能音乐乐谱生成方法.
- 用先进的计算技术提高乐谱创作的质量和效率.
主要方法:
- 用于音乐信号的时间频率转换的短时间里埃转换 (STFT).
- 采用了改进的卷积神经网络 (CNN) 模型,包括标签增强和内部卷积.
- 将该方法应用于各种音乐数据集,以评估概括能力.
主要成果:
- 获得了92%的匹配率和95%的完整率.
- 证明得分生成时间仅为1.05秒.
- 显示了音乐乐谱生成效率和质量的显著改进.
结论:
- 拟议的智能乐谱生成方法有效地提高了生成的乐谱的质量和多样性.
- 该方法在不同的音乐数据集中提供了强大的概括能力.
- 这种方法可以通过提供绩效反和提高学习效率来帮助音乐学习者.


