Ч а с т ь I главный редактор
жүктеу/скачать 7.68 Mb. Pdf көрінісі
|
| Заключение
В данной работе были рассмотрены основные математиче- ские методы генерации музыкальных композиций. Каждый из них обладает своими достоинствами и недостатками, например, марковские модели хорошо подходят для задачи имитации стиля, а порождающая грамматика требует трудоёмкого про- цесса определения правил. На текущий момент работы, направ- ленные на автоматизацию процесса генерации музыки, иссле- дуют возможность генерации композиций с использованием нейронных сетей, поскольку именно данный метод выявить наиболее сложные взаимосвязи, характерные музыкальным произведениям, которые не видны человеку явно, а также данный метод сравнительно прост в реализации. Именно данный метод генерации композиций используют программы Magenta от Google, BachBot, AIVA и другие. Работа выполнена при частичной поддержке РФФИ и ад- министрации Волгоградской области (гранты 18–07–00220, 19– 07–00020, 19–47–343001, 19–47–340003, 19–47–340009, 19–47– 340013, 19–47–343002, 19–37–90060, 20–07–00502). Литература: 1. Doornbusch, P. Gerhard Nierhaus: Algorithmic Composition: Paradigms of Automated Music Generation / P. Doornbusch // Com- puter Music Journal. — Volume: 34, Issue: 3. — 2014. 2. Frankel-Goldwater, Lee. ‘Computers Composing Music: An Artistic Utilization of Hidden Markov Models for Music Composition.’ jur: Journal of Undergraduate Research, v. 5, no. 1–2 (2012), pp. 17–20. 3. Donya Quick and Paul Hudak. Grammar-based automated music composition in Haskell. In Proceedings of the first ACM SIG- PLAN workshop on Functional art, music, modeling & design, FARM ’13, pages 59–70. ACM, 2013. 4. Kordic, V. Petri Net, Theory and Applications / V. Kordic. — Publisher: I-Tech Education and Publishing, 2013. — pp. 544 5. Hendrik Vincent Koops, Jos´e Pedro Magalh˜aes, and W. Bas de Haas. A functional approach to automatic melody harmonisation. In Proceedings of the First ACM SIGPLAN Workshop on Functional Art, Music, Modeling & Design, FARM ’13, pages 47–58. ACM, 2013. 6. Черешнюк И. Р. Использование генетических алгоритмов в музыкальной композиции / Черешнюк И. Р., Айдаров Ю. Р. // Проблемы современной музыки: сб. материалов Пятой Международной науч.-практ. конференции (г. Пермь, 15–16сен- тября 2012 г.) / под. ред. Н. В. Морозовой; Перм. гос. гуманит.-пед.ун-т. — Пермь, 2012. — 271 с., с. 27–34. 7. Payami, R. Csound and object-orientation: designing and implementing cellular automata for algorithmic composition / R. Payami // Ways Ahead: Proceedings of the First International Csound Conference. — Cambridge Scholars Publishing, 2013. — pp. 48–56 8. Fernández, J. D., Vico, F. AI Methods in Algorithmic Composition: A Comprehensive Survey / J. D. Fernández, F. Vico // Journal of Artificial Intelligence Research. — № 48. — Málaga, Spain, 2013. — pp. 513–582 9. Abburu, S. Knowledge based Semantic Annotation Generation of Music S. Abburu // International Journal of Computer Applica- tions (0975–888). — Volume 47, No.8, June 2012. — pp. 8–12 жүктеу/скачать 7.68 Mb. Достарыңызбен бөлісу:
|