深度学习网络用于贝多芬钢琴奏鸣曲创作时期分类的研究  

Chronological Classification of Beethoven's Piano Sonatas Using Deep Learning Network

作　　者：夏一婷 江怡维 李天然 叶涛 XIA Yiting;JIANG Yiwei;LI Tianran;YE Tao(Electrical and Electronic Engineering, Southern University of Science and Technology, Shenzhen, Guangdong 518055, China;Composition Department, Xinghai Conservatory of Music, Guangzhou, Guangdong 510006, China)

机构地区：[1]南方科技大学电子与电气工程系,广东深圳518055 [2]星海音乐学院作曲系,广东广州510006

出　　处：《复旦学报（自然科学版）》2021年第3期353-359,共7页Journal of Fudan University：Natural Science

基　　金：广东省重点领域研发计划(2019B010140001);高水平大学建设经费(G02236002)。

摘　　要：把音频文件转化为自然语言序列后,使用mLSTM模型+softmax回归的深度学习网络对贝多芬钢琴奏鸣曲的创作时期进行分类,10折交叉验证的平均准确率可达到90%.这一工作说明创作于不同时期的贝多芬钢琴奏鸣曲的确呈现出不同的艺术特征,这一模型也可为其他的音乐分类问题提供新的思路.We first convert the sonata MIDI files into natural language sequences,and use mLSTM(multiplicative Long Short Term Memory)model to generate a characteristic vector of each sample.Then softmax regression deep learning network is used to classify each characteristic vector.The average accuracy of classification achieves 90%by using the 10-fold cross validation.Our research indicates that Beethoven's piano sonatas in different period do have different artistic characteristics.The proposed model can also be applied to other music classification tasks.

关 键 词：深度学习 自然语言处理 音乐分类 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]