[發明專利]基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法有效
| 申請號： | 201910192306.4 | 申請日： | 2019-03-14 |
| 公開（公告）號： | CN110008373B | 公開（公告）日： | 2021-02-26 |
| 發明（設計）人： | 季俊濤;任宇凡;黃怡璠;邱兆林;劉洪甫;李燦晨;張克俊 | 申請（專利權）人： | 浙江大學 |
| 主分類號： | G06F16/683 | 分類號： | G06F16/683 |
| 代理公司： | 杭州天勤知識產權代理有限公司 33224 | 代理人： | 曹兆霞 |
| 地址： | 310013 浙江*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 消息 傳遞 網絡 音樂 結構 信息 生成 模型 構建 方法 | ||
1.一種基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法，包括以下步驟：
(1)將音樂表達成時間與音符屬性的連接關系，時間與音符屬性作為節點，時間節點順序連接，音符屬性節點順序連接，時間節點與音符屬性節點交錯任意連接，形成音樂無向圖；
(2)在獲得音樂無向圖后，對音樂無向圖進行編碼，即采用節點特征提取更新函數提取音樂無向圖中節點的隱藏特征，其中節點特征提取更新函數為：
其中，表示第i個時間節點在第t+1次迭代時獲得隱藏特征值，表示第i個音符屬性節點在第t+1次迭代時獲得隱藏特征值，與是邊eji的權重參數；
(3)將獲得的隱藏特征輸入至解碼器中，經解碼輸出預測的音樂無向圖；
(4)計算預測的音樂無向圖與步驟(2)中的音樂無向圖的交叉熵損失函數值，將交叉熵損失函數值反向傳播至解碼器和編碼器，以更新解碼器參數和節點特征提取更新函數的權重參數，以實現對解碼器和編碼器的訓練，訓練好的編碼器即為音樂圖結構信息提取模型，訓練好的解碼器即為音樂圖結構信息生成模型。
2.如權利要求1所述的基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法，其特征在于，所述音樂無向圖用音符屬性-時間二維矩陣表示，矩陣內是0,1分布的數據，表示某時間內是否有與某音符屬性對應的音符存在。
3.如權利要求1或2所述的基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法，其特征在于，所述音符屬性包括音符的音高、音長、力度中的至少一種。
4.如權利要求1所述的基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法，其特征在于，所述解碼器是一種復雜映射關系，用映射函數F表達，
G*＝F(T*C*MT)
其中，T為時間節點的隱藏特征矩陣，M為音樂節點的隱藏特征矩陣，C為用于連接T，M維度的連接參數，模型訓練即為優化連接參數C。
5.如權利要求1所述的基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法，其特征在于，音樂在形成音樂無向圖之前，還需要對音樂進行去噪平滑處理。
6.如權利要求1所述的基于消息傳遞網絡的音樂圖結構信息生成模型的構建方法，其特征在于，在應用時，將隨機特征向量輸入至音樂圖結構信息生成模型中，經計算生成音樂無向圖，并將音樂無向圖轉化為音樂。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江大學，未經浙江大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910192306.4/1.html，轉載請聲明來源鉆瓜專利網。
