توضیحات
This book is a survey and analysis of how deep learning can be used to generate musical content. The authors offer a comprehensive presentation of the foundations of deep learning techniques for music generation. They also develop a conceptual framework used to classify and analyze various types of architecture, encoding models, generation strategies, and ways to control the generation. The five dimensions of this framework are: objective (the kind of musical content to be generated, e.g., melody, accompaniment); representation (the musical elements to be considered and how to encode them, e.g., chord, silence, piano roll, one-hot encoding); architecture (the structure organizing neurons, their connexions, and the flow of their activations, e.g., feedforward, recurrent, variational autoencoder); challenge (the desired properties and issues, e.g., variability, incrementality, adaptability); and strategy (the way to model and control the process of generation, e.g., single-step feedforward, iterative feedforward, decoder feedforward, sampling). To illustrate the possible design decisions and to allow comparison and correlation analysis they analyze and classify more than 40 systems, and they discuss important open challenges such as interactivity, originality, and structure.
The authors have extensive knowledge and experience in all related research, technical, performance, and business aspects. The book is suitable for students, practitioners, and researchers in the artificial intelligence, machine learning, and music creation domains. The reader does not require any prior knowledge about artificial neural networks, deep learning, or computer music. The text is fully supported with a comprehensive table of acronyms, bibliography, glossary, and index, and supplementary material is available from the authors’ website.
————————————————————–
ترجمه ماشینی :
این کتاب یک نظرسنجی و تجزیه و تحلیل چگونگی استفاده از یادگیری عمیق برای تولید محتوای موسیقی است. نویسندگان ارائه کاملی از مبانی تکنیک های یادگیری عمیق برای تولید موسیقی ارائه می دهند. آنها همچنین یک چارچوب مفهومی که برای طبقه بندی و تجزیه و تحلیل انواع مختلف معماری ، مدل های رمزگذاری ، استراتژی های تولید و راه های کنترل تولید استفاده می شود ، توسعه می دهند. پنج بعد این چارچوب عبارتند از: عینی (نوع محتوای موسیقی که باید تولید شود ، به عنوان مثال ، ملودی ، همراهی). بازنمایی (عناصر موسیقی مورد توجه و چگونگی رمزگذاری آنها ، به عنوان مثال ، وتر ، سکوت ، رول پیانو ، رمزگذاری یک داغ). معماری (ساختار سازماندهی نورون ها ، پیوندهای آنها و جریان فعال سازی آنها ، به عنوان مثال ، تغذیه ، مکرر ، اتوآنمان متغیر). چالش (خصوصیات و موضوعات مورد نظر ، به عنوان مثال ، تنوع ، افزایش ، سازگاری). و استراتژی (راه برای مدل سازی و کنترل روند تولید ، به عنوان مثال ، خوراک تک مرحله ای ، خوراک تکراری ، فید فورچر رمزگشایی ، نمونه برداری). برای نشان دادن تصمیمات طراحی احتمالی و امکان مقایسه و تجزیه و تحلیل همبستگی ، آنها بیش از 40 سیستم را مورد تجزیه و تحلیل و طبقه بندی قرار می دهند ، و آنها در مورد چالش های مهم باز مانند تعامل ، اصالت و ساختار بحث می کنند.
نویسندگان دانش و تجربه گسترده ای دارند در کلیه جنبه های تحقیقاتی ، فنی ، عملکردی و تجاری. این کتاب برای دانش آموزان ، پزشکان و محققان در حوزه های هوش مصنوعی ، یادگیری ماشین و ساخت موسیقی مناسب است. خواننده نیازی به دانش قبلی در مورد شبکه های عصبی مصنوعی ، یادگیری عمیق یا موسیقی رایانه ای ندارد. متن کاملاً با یک جدول جامع مخفف ، کتابشناسی ، واژه نامه و فهرست پشتیبانی می شود و مطالب تکمیلی از وب سایت نویسندگان در دسترس است.
tag : دانلود کتاب تکنیک های یادگیری عمیق برای تولید موسیقی , Download تکنیک های یادگیری عمیق برای تولید موسیقی , دانلود تکنیک های یادگیری عمیق برای تولید موسیقی , Download Deep Learning Techniques for Music Generation Book , تکنیک های یادگیری عمیق برای تولید موسیقی دانلود , buy تکنیک های یادگیری عمیق برای تولید موسیقی , خرید کتاب تکنیک های یادگیری عمیق برای تولید موسیقی , دانلود کتاب Deep Learning Techniques for Music Generation , کتاب Deep Learning Techniques for Music Generation , دانلود Deep Learning Techniques for Music Generation , خرید Deep Learning Techniques for Music Generation , خرید کتاب Deep Learning Techniques for Music Generation ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.