کاوش الگوی موسیقی جهت نمایش کروموزوم در ترکیب بندی تکاملی
چکیده
هوش مصنوعی (AI) کاربرد های گسترده ای در بسیاری از زمینه ها و رشته های جدید مانند خلاقیت و ابتکار محاسباتی و رایانشی داشته است. اخیرا، تحقیق در مورد ترکیب بندی خودکار با استفاده از تکنولوژی AI به ویژه الگوریتم های تکاملی موجب ارائه نتایج بسیار مناسبی شده است. به طور معمول کروموزوم ها به صورت مجموعه ای از اعداد جهت نشان دادن نوت ها برای ترکیب بندی تکاملی نشان داده می شوند. این تحقیق در تلاش است تا به بررسی سبک های ترکیب بندی با کاوش الگو های موسیقیایی یک آهنگ ساز بپردازد. این الگو ها به عنوان ژن ها برای نمایش کروموزوم ها مورد استفاده قرار می گیرند. بر این اساس، سبک های ترکیب بندی شعر در تولید موسیقی به وسیله الگوریتم های تکاملی در نظر گرفته می شوند. تابع برازشی مبتنی بر نظریه موسیقی جهت کنترل و یکنواخت کردن پیش روی بین عبارات به کار گرفته می شود. نتایج آزمایشگاهی نشان می دهند که الگو های کاوش شده از ترکیبات می توانند نشان دهنده سبک آهنگ ساز بوده و موجب تولید آهنگ هایی مناسب به وسیله الگوریتم های تکاملی گردد.
I. مقدمه
هوش محاسباتی و تکنولوژی های هوش مصنوعی به صورت گسترده در بسیاری از حوزه ها مانند موسیقی، هنر، ادبیات و طراحی مهندسی به کار گرفته شده اند. ترکیب بندی موسیقی با استفاده از هوش مصنوعی موجب جلب توجهات زیادی شده است، زیرا موسیقی نقش مهمی را در زندگی انسان ایفا می کند. با این حال، ترکیب بندی موسیقی نقش مهمی را در زندگی انسان ایفا می کند. با این حال، ترکیب بندی موسیقی بسیار دشوار می باشد، زیرا بایستی المان های زیادی را در مورد لطافت، ریتم، ملودی، بافت، فرم موسیقیایی، سبک و نوع آهنگ و مایه آن در نظر گرفت. علاوه بر این، ترکیب بندی ها حاوی کاراکتر ها و سبک های صریح یا ضمنی آهنگ سازان می باشد. همچنین تقلید از یک اثر آهنگ ساز، معضل دیگری است که باید در نظر گرفته شود.
نتیجه گیری
این تحقیق، یک سیستم ترکیب بندی تکاملی را با استفاده از GA و کاوش الگو پیشنهاد می کند. کاوش الگو به صورت پی در پی جهت بررسی سبک آهنگ ساز و کاراکتر از کارهای او پذیرفته می شود. این الگو ها به عنوان مبنایی برای نمایش کروموزومی محسوب می شوند. بدین ترتیب، سبک در ترکیب بندی تکاملی در نظر گرفته می شود. علاوه براین، یک تابع برازش جدید نیز بر اساس تئوری موسیقی جهت تعدیل رابطه بین عبارات برای سیستم ترکیب بندی تکاملی پیشنهاد شده است.
Abstract
Artificial intelligence (AI) has bloomed in many novel fields such as computational creativity. Recently, research on automatic composition using AI technology, especially evolutionary algorithms, has received considerable promising results. Traditionally, chromosomes are represented as a series of numbers to indicate the notes for evolutionary composition. This study attempts to explore the composition styles by mining music patterns of a specific composer. The patterns are used as genes for chromosome representation. Accordingly, the composition styles are considered in generating music by evolutionary algorithms. The fitness function is based on music theory to smooth the progression between phrases. Experimental results show that the patterns mined from compositions can reflect the composer's style and benefit generating satisfactory songs by evolutionary algorithms.
I. INTRODUCTION
Computational intelligence and artificial intelligence technologies have been widely applied to many areas in creativity, such as music, art, literature, and engineering design. Music composition using artificial intelligence attracts much attention since music plays an important role in human life. However, composing music is particularly difficult because many elements need to be considered, to wit, rhythm, melody, texture, musical form, tone color and tonality. In addition, compositions contain explicit or implicit characters and styles of composers. To mimic a composer’s work is another thorny issue to be considered.
VI. CONCLUSIONS
This study proposes an evolutionary composition system using GA and pattern mining. The sequential pattern mining is adopted to explore the composer’s style and character from his/her works. The patterns serve as the basis for chromosome representation. By this way, the style is considered in the evolutionary composition. In addition, a novel fitness function based on music theory is proposed to smooth the connection between phrases for the evolutionary composition system.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
I. مقدمه
II. تحقیقات مرتبط
الف- ترکیب تکاملی
B. کاوش الگو
III. کاوش الگو ها از ترکیب بندی ها
A. نمایش داده های موزیک
B. کاوش الگوی متوالی
IV. ترکیب بندی تکاملی
A. نمایش
B. تابع برازش
C. عملگر های ژنتیک
D. پس پردازش
V. نتایج آزمایشگاهی
نتیجه گیری
Abstract
I. INTRODUCTION
II. RELATED WORK
A. Evolutionary Composition
B. Pattern Mining
III. MINING PATTERNS FROM COMPOSITIONS
A. Music Data Representation
B. Sequential Pattern Mining
IV. EVOLUTIONARY COMPOSITION
A. Representation
B. Fitness Function
C. Genetic Operators
D. Post-processing
V. EXPERIMENTAL RESULTS
VI. CONCLUSIONS
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه