Resumen

Basado en el algoritmo adaptativo de enjambre de partículas y la red neuronal de retropropagación de errores, este artículo propone métodos para la clasificación de diferentes estilos de música y la visualización de migración. Este método tiene ventajas de estructura simple, algoritmo maduro y optimización precisa. Puede encontrar mejores pesos de red y umbrales para que las partículas puedan salir de las soluciones óptimas locales previamente buscadas y buscar en un espacio más grande. La búsqueda global utiliza el método del gradiente para acelerar la optimización y controlar el efecto de generación en tiempo real de la transferencia de estilo musical, mejorando así el rendimiento de aprendizaje y de convergencia de toda la red, mejorando en última instancia la tasa de reconocimiento de todo el sistema, y visualizando la percepción musical. Este tipo de visualización de información en tiempo real es una forma de expresión artística, en la que la inteligencia artificial imita la sinestesia humana, y también es una forma de arte escénico. La combinación de la visualización tradicional de la música y la transfer

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Algoritmo de enjambre de partículas adaptativo; Red neuronal de retropropagación de error; Clasificación de música; Visualización de migración; Pesos de red; Umbrales
• Keywords:Adaptive particle swarm algorithm; Error backpropagation neural network; Music classification; Migration visualization; Network weights; Thresholds