科研之友
微信
新浪微博
Facebook
分享链接
摘要
指法是钢琴演奏的关键技术，但是除了初学者的教科书外，大多数乐谱都没有指法注释。目前用于钢琴指法自动生成的隐马尔可夫模型（hidden Markov model,HMM）和长短时记忆网络（long short-term memory,LSTM）模型，仅针对乐谱的音高建立模型，忽略同样影响指法的速度信息，存在对乐谱综合特征提取能力不足、生成的指法正确率低等问题。针对这些问题，设计一种可以同时利用乐谱的音高信息与速度信息的特征提取方法，并引入Word2Vec-CBOW(continuous bag-of-words)模型得到融合特征向量，根据人体左右手镜像对称的特点对原始数据进行左右手序列的数据增强与联合训练，最后结合双向长短时记忆网络-条件随机场（bidirectional LSTM conditional random field,BiLSTM-CRF）模型实现指法的生成。实验结果显示，本文提出的算法相比常用的统计学习方法和深度学习方法均有明显提高，验证了其合理性和有效性。
- 单位
