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

• 作者: 夏一婷 江怡维 李天然 叶涛
• 来源期刊: 复旦学报（自然科学版）
• 关键词: 深度学习 自然语言处理 音乐分类
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 2020年全国声音与音乐技术会议(CSMT 2020)论文集|Proceeding of China Conference on Sound and Music Technology in 2020(CSMT 2020)
• 页码范围: 353-359
• 页数: 7页
• 分类号: TP183
• 语种: 中文

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.