Resumen

Para el público en general, la composición parece ser profesional y el umbral es relativamente alto. Sin embargo, la composición automática puede mejorar este problema, permitiendo que personas más comunes participen en la composición, especialmente en la composición de música popular, para que la música sea más entretenida, y su aleatoriedad también pueda inspirar a los profesionales. Este artículo combina el aprendizaje profundo para extraer características de notas del audio de demostración y construye un modelo de red neuronal para completar la composición de música popular. El trabajo principal de este documento es el siguiente. Primero, extraemos las notas características, nos basamos en el proceso de diseño de extracción de coeficientes cepstrales de mel-frecuencia y combinamos las características de las señales de música de piano para extraer las características de las notas de la música de demostración. Luego, se construye el modelo de red neuronal, utilizando la función de memoria de la red neuronal cíclica y las características de procesamiento de datos de secuencia, las notas de piano se combinan en una secuencia de acuerdo con las reglas de la teoría musical, y el modelo de

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Composición; Automático; Música popular; Modelo de red neuronal; Características de notas; Aprendizaje profundo
• Keywords:Composition; Automatic; Popular music; Neural network model; Note features; Deep learning