ساخت هوشمند موسیقی با الگوریتم ژنتیک مبتنی بر جهش یکنواخت موتیف
نویسندگان
چکیده مقاله:
امروزه دنیای موسیقی و هوش مصنوعی به واسطه پژوهشهای انجام شده در هر دو حوزه به هم نزدیکتر شدهاند. ساخت موسیقی با استفاده از راهکارهای موجود در هوش مصنوعی، زمینه پژوهشی جدیدی را ایجاد کرده است. ساخت خودکار موسیقی علاوه بر اینکه ما را در شناخت بهتر چگونگی تفکر موسیقیایی انسان یاری خواهد کرد، کمک شایان توجهی به آهنگسازان و موسیقیدانان در بهبود تئوریهای موسیقی با استفاده از قدرت محاسباتی کامپیوترها میکند و آهنگسازان را نیز از آهنگسازیهای «نُت به نُت» رها خواهد ساخت. در این پژوهش، به ساخت موسیقی به شکل خودکار پرداخته میشود. ابتدا، با استفاده از زنجیره مارکوف و سیستمهای لیندنمایر، یک سیستم آهنگسازی خودکار پیادهسازی میشود که به دلیل ماهیت روشهای مورد استفاده، به شکل بدون تنوع به تولید موسیقی میپردازد. ولی بر اساس الگوریتم ژنتیک با استفاده از جهش یکنواخت و توجه به برازندگی قطعه براساس آکوردها، نتایج سریع به سمت قطعات بهتر میروند. خلاقیت در ساخت موسیقی فراتر از مرزهای کنونی هوش مصنوعی است و برای دستیابی به نتایج بهتر، کار بسیاری در این زمینه هنوز پیش رو است.
منابع مشابه
الگوریتم ژنتیک مبتنی بر کد واقعی با جهش هوشمند برای حل مسائل پخش بار اقتصادی غیرمحدب
در این مقاله، یک روش جدید برای حل مسائل پخش بار اقتصادی با استفاده از الگوریتم ژنتیک مبتنی بر کدهای واقعی با جهش هوشمند پیشنهاد می شود. در روش پیشنهادی کنترل لازم بر روی مقادیر مجموع کروموزوم ها صورت میگیرد در نتیجه نیازی به استفاده از هزینه جریمه در حل مسئله پخش بار اقتصادی نخواهد بود. این روش بر روی الگوریتم ژنتیک کلاسیک جهت حل مسائل پخش بار اقتصادی غیر محدب پیاده شده است .روش پیشنهادی قابلی...
متن کاملالگوریتم ژنتیک مبتنی بر کد واقعی با جهش هوشمند برای حل مسائل پخش بار اقتصادی غیرمحدب
در این مقاله، یک روش جدید برای حل مسائل پخش بار اقتصادی با استفاده از الگوریتم ژنتیک مبتنی بر کدهای واقعی با جهش هوشمند پیشنهاد می شود. در روش پیشنهادی کنترل لازم بر روی مقادیر مجموع کروموزوم ها صورت می گیرد در نتیجه نیازی به استفاده از هزینه جریمه در حل مسئله پخش بار اقتصادی نخواهد بود. این روش بر روی الگوریتم ژنتیک کلاسیک جهت حل مسائل پخش بار اقتصادی غیر محدب پیاده شده است .روش پیشنهادی قابلی...
متن کاملالگوریتم ژنتیک با جهش آشوبی هوشمند و ترکیب چندنقطهای مکاشفهای برای حل مسئله رنگآمیزی گراف
Graph coloring is a way of coloring the vertices of a graph such that no two adjacent vertices have the same color. Graph coloring problem (GCP) is about finding the smallest number of colors needed to color a given graph. The smallest number of colors needed to color a graph G, is called its chromatic number. GCP is a well-known NP-hard problems and, therefore, heuristic algorithms are usually...
متن کاملارائه مدل معامله هوشمند در بازارهای مالی مبتنی بر الگوریتم ژنتیک، منطق فازی و شبکه عصبی
معاملات موفق در بازارهای مالی می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سال های اخیر سیستم های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده اند. تحلیل تکنیکال یکی از معتبرترین و پرکاربردترین این سیستم ها محسوب می شود. تحلیل تکنیکال بواسطه قوانین متعددی که داراست سعی در ایجاد سیگنال های صحیح به موقع به منظور شناخت این نقاط دارد. اما یکی از معایب این سیستم وابستگی شدید آن به تجرب...
متن کاملارائه مدل معامله هوشمند در بازارهای مالی مبتنی بر الگوریتم ژنتیک، منطق فازی و شبکه عصبی
معاملات موفق در بازارهای مالی می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سال های اخیر سیستم های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده اند. تحلیل تکنیکال یکی از معتبرترین و پرکاربردترین این سیستم ها محسوب می شود. تحلیل تکنیکال بواسطه قوانین متعددی که داراست سعی در ایجاد سیگنال های صحیح به موقع به منظور شناخت این نقاط دارد. اما یکی از معایب این سیستم وابستگی شدید آن به تجرب...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 5 شماره 4
صفحات 85- 102
تاریخ انتشار 2015-02-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023