Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/43003
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Кононов Ярослав Сергеевич | ru_RU |
dc.contributor.advisor | Kononov Aroslav Sergeevic | en_GB |
dc.contributor.author | Умути Сайжикэцзян | ru_RU |
dc.contributor.author | Umuti Sajzikeczan | en_GB |
dc.contributor.editor | Блеканов Иван Станиславович | ru_RU |
dc.contributor.editor | Blekanov Ivan Stanislavovic | en_GB |
dc.date.accessioned | 2023-07-26T12:45:24Z | - |
dc.date.available | 2023-07-26T12:45:24Z | - |
dc.date.issued | 2023 | |
dc.identifier.other | 092111 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/43003 | - |
dc.description.abstract | Символическая генерация фортепианной музыки является актуальной проблемой в области искусственного интеллекта и актуальной точкой исследования в академических кругах, с широким исследовательским пространством и высокой исследовательской ценностью. Она имеет не только большое теоретическое значение, но и определенную прикладную ценность. Ключ к созданию музыки с помощью нейронных сетей лежит в извлечении музыкальных особенностей и построении композиционных моделей. В данной работе рассматриваются три типичные нейросетевые модели генерации музыки: LSTM, GAN и Transformer, исследуется задача генерации символической фортепианной музыки, и, наконец, проводится субъективная и объективная оценка созданных образцов. | ru_RU |
dc.description.abstract | Symbolic piano music generation is a hot issue in the field of artificial intelligence and a current research hotspot in academia, with a broad research space and high research value. It has not only high theoretical significance, but also certain application value. The key of music generation by neural networks lies in the extraction of music features and the construction of composition models. In this paper, we focus on three typical neural network music generation models: LSTM, GAN and Transformer, and carry out research on the task of generating symbolic piano music, and finally evaluate the generated samples subjectively and objectively. | en_GB |
dc.language.iso | ru | |
dc.subject | Нейросетевые методы генерации музыкальных дорожек | ru_RU |
dc.subject | Neural network methods for generating music tracks | en_GB |
dc.title | Neural network methods for generating music tracks | en_GB |
dc.title.alternative | Нейросетевые методы генерации музыкальных дорожек | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Umuti_Sajzikeczan_VKR_2023.pdf | Article | 3,39 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Umuti_VM5503.pdf | ReviewSV | 126,18 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st092111_Umuti_Sajzikeczan_(supervisor)(Ru).txt | ReviewSV | 4,33 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.