基于Bi-LSTM深度强化学习网络的鼓乐生成方法技术

一种基于Bi

【技术实现步骤摘要】
基于Bi
‑
LSTM深度强化学习网络的鼓乐生成方法


[0001]本公开属于人工智能、神经网络
，特别涉及一种基于Bi
‑
LSTM深度强化学习网络的鼓乐生成方法。

技术介绍

[0002]近年来，人工智能艺术，尤其是人工智能音乐变得流行起来，相关技术也变得触手可及。然而，大多数AI音乐生成器平台主要专注于创作现代音乐，未专注于民乐的创作，且生成策略只是根据训练保存的策略来选择下一个音符，由此生成的音乐容易生成不和谐的和声和旋律。
[0003]西安鼓乐兴盛于唐代，在民间已传承千年，2006年入选首批国家级非物质文化遗产名录，主要由中国传统的民族乐器演奏，被誉为是“中国古代音乐的活化石”和“中国古代的交响乐”。作为中国传统音乐的符号，西安鼓乐在新时期印证了中华音乐文化的博大精深与渊源悠久，不仅具有非遗的普遍性特点，也具有其特有的发展历程及艺术价值。
[0004]目前音乐生成的方法主要有基于马尔可夫模型的音乐生成和基于神经网络的音乐生成。随着深度学习技术的发展，涌现出越来越多基于神经网络的音乐生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Bi
‑
LSTM深度强化学习网络的民间鼓乐生成方法，包括如下步骤：S100：将民间古乐表示成音符序列；S200：将所产生的音符序列通过编码技术转化成音符向量集；S300：将所述音符向量集输入到Bi
‑
LSTM神经网络中进行训练，生成基于字符级的Bi
‑
LSTM鼓乐生成网络；S400：基于强化学习Actor
‑
Critic算法对所述基于字符级的Bi
‑
LSTM鼓乐生成网络进行训练，得到基于Bi
‑
LSTM深度强化学习网络；S500：将输入的音符序列输入到所述基于Bi
‑
LSTM深度强化学习网络中，可以自主的生成鼓乐作品。2.根据权利要求1的所述方法，优选的，所述基于Bi
‑
LSTM深度强化学习网络包含一个Bi
‑
LSTM深度学习网络和一个强化学习网络。3.根据权利要求1的所述方法，步骤S300进一步包括如下步骤：S301：定义网络参数θ
B
并初始化；S302：选取当前时刻t的音符向量X
n
输入网络；S303：取得网络的预测值P
′
t
，设置目标值P
t
；S304：通过最小化交叉熵损失函数H(θ
B
)训练网络参数θ
B
；S305：选取下一时刻作为当前时刻继续执行步骤S302至S304，直到网络收敛为止，输出网络参数θ
B
。4.根据权利要求3的所述方法，步骤S304中的最小化交叉熵损失函数为：其中，θ
B
是Bi
‑
LSTM的网络参数，L是设定的音乐长度，P
′
t
为当前时刻的预测值，P
t

【专利技术属性】
技术研发人员：梁天冕，李鹏，曹玉梅，吴晓军，王小明，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：