基于强化学习Actor-Critic算法的音乐生成

• 作者: 帖云 白勇 齐林
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 长短期记忆网络 音乐生成 深度学习 强化学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 多媒体技术应用
• 页码范围: 118-122,182
• 页数: 6页
• 分类号: TP3
• 字数: 3988字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.021

摘要

提出一种利用强化学习Actor-Critic(A-C)训练神经网络生成音乐的方法.常规的LSTM音乐生成网络在生成音乐时并没有考虑到实际的作曲情况,只是通过先前训练保存的策略来选择下一个音符,所以生成的音乐稳定性差、风格模糊.引入一个经过训练的Critic网络,该网络能够评估LSTM网络输出音符的价值,以此更新LSTM网络的生成策略.这形成了一个更接近生成阶段的训练过程,并允许优化特定的音乐风格,所以生成的音乐结构稳定,更具风格.对该方法生成的音乐进行验证,证明了其有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐林	郑州大学产业技术研究院	78	806	12.0	26.0
2	帖云	郑州大学产业技术研究院	10	11	2.0	3.0
3	白勇	郑州大学产业技术研究院	8	28	2.0	5.0