用于多变量序列学习的特征表示

Question

我一直在尝试训练一个模型，以便从单声道乐谱中生成序列。在互联网上，我找到了一些使用字符级lstm网络和音乐ABC符号来做这件事的例子(很多人使用karpathy中的实现：http://karpathy.github.io/2015/05/21/rnn-effectiveness/ )。

虽然这看起来相当有效，但序列并没有包含尽可能紧凑的音乐信息。我的想法是将音乐信息直接表示为一系列音符。然而，音符有多个特征:音高，八度，持续时间，它是否与下一个音符连接，等等。我不确定如何将这些信息正确地表示为特征向量，并且还没有找到很多关于这个主题的信息。

我的数据集在音符音调和长度方面的多样性相当有限。它可能包含3个八度，10个不同的音符持续时间，只有4/4的时间签名。然而，表示这些音符的每个不同的组合将得到一个巨大的输入特征向量。

任何建议都将不胜感激！

Answer 1

只要您能够以文本格式编码和解码您的训练示例，我认为您就可以适应和使用字符级lstm方法。

例如，您可以使用字母(ABCDEFG)表示每个音符，使用+-表示尖锐或降调，后面跟一个代码，如x，y，z表示八度，数字0到9表示持续时间值，空格表示是否连接。

像这样的蓝调即兴小品：

Cx1 E-x1 Cx1 E-x1 Fx4 Gx2 B-x2 Cy1Cy1Cy1Cy1, etc.

有了足够的训练数据，RNN将学习音符的语法和语法，以及音符之间的模式和关系，这些模式和关系导致“音乐”sequences...depending你使用哪种音乐来训练它。