- 综合排序
- 最热优先
- 最新优先
- 来自专栏音乐与健康
一首乐曲，为何回忆万千？
一首乐曲，为何回忆万千？思绪绕绕？
29410编辑于 2025-08-26 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-4 向量化
本系列是《玩转机器学习教程》一个整理的视频笔记。前一小节实现了简单线性回归，但是性能比较低。本小节主要介绍使用向量化的方式提升性能。
93120发布于 2019-11-13 - 来自专栏AI科技大本营的专栏
视频教程【第14期】 | 如何用TensorFlow来自动生成乐曲？
视频中，除了介绍Deepmind在乐曲生成方面的最新进展，Siraj Raval还会用 TensorFlow 和一种叫受限玻尔兹曼机的神经网络来写一个音乐生成器。
836110发布于 2018-04-26 - 来自专栏音乐与健康
神经科学验证:十首重塑大脑回路的抗焦虑乐曲
乐曲第4分17秒处的休止被证实能产生类似SSRI药物的突触间隙调控效应。4.
35810编辑于 2026-05-04 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题5-4 使用函数求素数和
习题5-4 使用函数求素数和 本题要求实现一个判断素数的简单函数、以及利用该函数计算给定区间内素数和的函数。 素数就是只能被1和自身整除的正整数。注意：1不是素数，2是素数。
2.9K30发布于 2020-09-15 - 来自专栏音乐与健康
血压也会“听歌识曲”？心率=频率？
关键词：血压；音乐；节奏；规律；乐曲；多模态；体感音乐；音波；本草音乐；医疗；情绪；血压也会“听歌识曲”？ 该研究使用的30首乐曲，均为钢琴大师传奇演绎的原声录音。研究者通过系统性方法调整了这些乐曲的表现力，以观察其对心血管指标的影响。 “好预判”的音乐与血压更“配合”本研究数据中 “可预测性高的乐曲” 具有以下特征：（1）乐句弧线平均长度较短且标准差较小；（2）乐曲时长较长且乐句弧线数量较多。 乐曲可预测性的提升能让听者预判乐句变化，进而增强血压与音乐的同步化。 （注：EMD = 地球移动距离，为相似性度量指标；EMD 值越小，代表相似度/同步化程度越高）基于研究结果发现，血压反应与乐曲音量的同步化程度显著高于其与乐曲节奏的同步化程度。
16710编辑于 2026-05-02 - 来自专栏ATYUN订阅号
AI“贝多芬”诞生了？
历时4个月，用70余万首乐曲辅助AI训练 区别于目前AI作曲更多停留在单旋律、短篇幅的乐曲形态，中国平安的此次尝试是全球范围内首次运用人工智能技术创作多声部、广维度，同时具备复杂性和经典传承性的长篇幅交响乐曲作品 本次AI交响变奏曲的创作，运用了其中70万余首乐曲进行结构化训练，包含古典音乐、红歌、民歌等多类题材作品。 众所周知，乐曲是否悦耳的评价标准相对主观，然而作曲规则却在音乐发展中逐步确立，形成了相对客观的行业标准。 因此，乐曲创造的过程中，需要在遵守主流审美这一选取最佳音乐片段原则的同时，兼顾作曲专家的评价标准。 同时，为防止AI作曲生成过于自由，平安在人工智能乐曲创作的过程中融入了包含和声约束、对位约束、曲式结构约束等规则在内专家规则，让AI作曲无限靠近乐曲原本体裁，并具备时代传承的经典性。
89030发布于 2019-10-15 - 来自专栏企鹅号快讯
人人都是作曲家：基于深度神经网络的音乐风格迁移
简化音乐风格迁移问题 由于此任务相对复杂，我们决定先分析不同类型的音乐的单音乐曲。单音乐曲就是音符序列，每个音符都有自己的音高和时值。音高的变化通常取决于曲调的音阶，时值的变化则取决于节奏。 另外，分析单音乐曲还可以让我们不必处理管弦乐编曲和歌词之类的问题。 由于我们没有可以用来区分音高变化和单音乐曲节奏的预训练模型，于是我们先提出了一种非常简单的迁移音乐风格的方法。 整合训练后的模型： 在测试期间，先使用第一种类型的音乐（例如民谣）训练的音高网络和时值网络生成一首乐曲。 我们的目标是可以将一首给定乐曲的风格转变成目标歌曲/乐曲的风格。 无法控制风格改变的程度：如果有一个“按钮”可以控制风格改变的程度，那就太完美了。 在迁移风格时无法保留被转变乐曲的音乐结构：一般而言，长期结构（Long-term structure）对音乐鉴赏价值至关重要。如果要想让生成的乐曲具有音乐美感，就必须保留原乐曲的音乐结构。
1.2K80发布于 2018-02-06 - 来自专栏AI科技大本营的专栏
人人都是作曲家：基于深度神经网络的音乐风格迁移
简化音乐风格迁移问题 由于此任务相对复杂，我们决定先分析不同类型的音乐的单音乐曲。单音乐曲就是音符序列，每个音符都有自己的音高和时值。音高的变化通常取决于曲调的音阶，时值的变化则取决于节奏。 另外，分析单音乐曲还可以让我们不必处理管弦乐编曲和歌词之类的问题。 由于我们没有可以用来区分音高变化和单音乐曲节奏的预训练模型，于是我们先提出了一种非常简单的迁移音乐风格的方法。 我们尝试学习不同类型的乐曲的音高和音符时值的模式，然后将这些模式整合在一起。 下图为这种方法的说明图。 我们的目标是可以将一首给定乐曲的风格转变成目标歌曲/乐曲的风格。 无法控制风格改变的程度：如果有一个“按钮”可以控制风格改变的程度，那就太完美了。 在迁移风格时无法保留被转变乐曲的音乐结构：一般而言，长期结构（Long-term structure）对音乐鉴赏价值至关重要。如果要想让生成的乐曲具有音乐美感，就必须保留原乐曲的音乐结构。
1.7K100发布于 2018-04-27 - 来自专栏企鹅号快讯
哎，记者、设计师、作曲家……你们的饭碗还稳吗？
目前AI主要用在伴奏乐曲制作、歌曲制作及人声合成等环节。随着技术的进步，AI在替代人方面可能取得明显进步，也可能融合在各种专业工具中，提升人的工作效率。 音频、音乐领域很宽，目前AI涉及到的，主要是伴奏乐曲制作、歌曲制作及人声合成等环节。 伴奏乐曲方面，目前AI应用的最多。 目前的几家AI作曲公司，可以通过设定乐曲类型、情绪、乐器、时长等，自动生成一段音乐，不满意的情况下，还可以再次重新生成一次，比人效率高了很多。AI生成的乐曲还可以在线进一步修改和编辑。 Google和多伦多大学，则分别进行了基于弹奏任意旋律和图片生成乐曲的研究。 AI作曲中，还有一类面向更专业的古典音乐作曲的公司。 卢森堡的创业公司Aiva也使用AI生产古典音乐曲谱，再由人演奏录制成专业乐曲，已经给为卢森堡国庆日开幕式、英伟达GPU大会等活动创作了乐曲，还通过了法国和卢森堡作者权利协会（SACEM）的注册，享有和人类一样的署名版权
1.2K00发布于 2017-12-28 - 来自专栏量子位
雅马哈AI系统能自动为舞蹈配乐，跟节奏跳舞时代已不再
当他跳舞时，舞蹈动作可以被实时地转换成乐曲数据。 为了确保舞蹈动作转换输出的音乐不是随机杂乱的，雅马哈的AI系统对照MIDI音乐数据库，控制钢琴的演奏，把这些数据输出成好听的乐曲。 技术视角解读 这套舞姿实时转换乐曲的AI系统，现在还处于研发阶段。 通过舞蹈家身上穿戴的传感器，可以实时捕捉到舞蹈家的动作姿态。结合AI系统已有的姿态对应旋律的数据库，可以把动作即时输出旋律数据。 雅马哈的Disklavier系统，是舞姿实时转换乐曲至关重要的一环。Disklavier的钢琴还可以表现出不同力度弹奏琴键的细微差别。 顶尖艺术家参与的感受 舞蹈家，森山开次 当听到AI把我的舞姿转成乐曲时，我感受到身体深处内部的力量被唤醒了，对自我意识和身体动作感知有了新的理解。 在尝试全新的乐曲风格时，我受到了很多启发，产生一些以往从来没有的灵感。 雅马哈研发中心总经理，Motoichi Tamura 在雅马哈内部，大家深信AI能拉近人与乐器之间的距离。
1.1K50发布于 2018-04-02 - 来自专栏量子位
7年读博生涯，他造了个会弹琴会作曲的机器人音乐家
△ Shimon用马林巴琴，演奏自己创作的乐曲 这个机器人名叫Shimon，有四条机械臂、八只“鼓槌”。它正在演奏的音乐，是机器用深度学习技术创造出来的。 这些音乐曲风各异，涵盖了从贝多芬到披头士到Lady Gaga再到迈尔斯·戴维斯的多种风格作品。 训练完成之后，除了给Shimon提供乐曲开头的四小节之外，整个创作过程中人类没有进行其他干预。 以前，Shimon只能演奏单声部的乐曲，现在它可以加入和弦。它的思考方式更像人类音乐家，不单单关注下一个音符，而是用较多的精力关注乐曲的整体组成。
1K120发布于 2018-03-29 - 来自专栏IT技术圈
PTA | 习题2-4 求交错序列前N项和 (15分)
一、题目描述 本题要求编写程序，计算交错序列 1-2/3+3/5-4/7+5/9-6/11+... 的前N项之和。 输入格式: 输入在一行中给出一个正整数N。 输入样例: 5 输出样例: 0.917 二、思路分析 观察交错序列 1-2/3+3/5-4/7+5/9-6/11+...发现， 分子：1，2，3，4，5，6...
3.1K30发布于 2021-07-14 - 来自专栏Java经验之谈
导航软件如何规划"最短路线"？
的最短路径，所以之前无法到达的顶点(4、6)，在该步骤就可以通过顶点5间接的到达了 于是再次统计距离 dist 1-2：270 dist 1-3：300 dist 1-4 > 1-5 （200） + 5- 3 细节来了，注意看这里的顶点4，由于前两步我们打通了顶点2、5的最短距离，因此到达顶点4的路径有两条： dist 1-4 > 1-5 （200） + 5-4（260）：460 1-2 （270） + 最终统计的距离 dist 1-2：270 dist 1-3：300 dist 1-4 > 1-5 （200） + 5-4（260）：460 dist 1-5：200 dist 1-6 > 1-5 （200 dist 1-2：270 dist 1-3：300 dist 1-4 > 1-5 （200） + 5-4（260）：460 dist 1-5：200 dist 1-6 > 1-3 （300） + 3-6 5 dist 1-2：270 dist 1-3：300 dist 1-4 > 1-5 （200） + 5-4（260）：460 dist 1-5：200 dist 1-6 > 1-3 （300） +
1.2K10编辑于 2022-02-23 - 来自专栏更流畅、简洁的软件开发方式
增删改查不是万能的，但是万万不能没有增删改查——限信息管理类
但是他有一个缺点，就是制作好了之后，只能播放一种乐曲。除非你把它拆开来，改动里面的机关。 这就像我们写的增删改查，编译之后只能做一个增删改查。比如公司信息的增删改查编译之后。 钢琴能弹奏什么乐曲呢？有什么乐谱就能弹奏什么乐曲（不考虑弹钢琴人的能力问题）。听不同的乐曲，只需要换相应的乐谱就行，不必改动钢琴。 自然框架里的自定义控件就好比钢琴，而元数据就是乐谱。
1.1K90发布于 2018-02-26 - 来自专栏电子技术研习社
教你如何用蜂鸣器演奏乐谱
|4 |8 |16 |32 |64 音符=2^n 十位表示音符的演奏效果(0-2): 0-普通，1-连音，2-顿音 百位是符点位: 0-无符点，1-有符点 调用演奏子程序的格式 Play(乐曲名 ,调号,升降八度,演奏速度); |乐曲名 : 要播放的乐曲指针,结尾以(0,0)结束; |调号(0-11) :是指乐曲升多少个半音演奏; |升降八度(1-3) : 1: 总结：用蜂鸣器演奏乐曲，主要是要把握住两个核心。一个是音调，这个通过改变脉冲频率来实现，其实就是通过精确延时来改变脉冲周期。
6.9K32发布于 2020-07-10 - 来自专栏落雨的专栏
【Python】学习笔记week10-0 循环
count+1 sum=sum+eval(s) s=input() print("该歌手最终成绩为{:.1f}".format(sum/count)) 【PYTHON】1-2/3+3/5- #循环 题目描述 求和 1-2/3+3/5-4/7+5/9-6/11+...
29.2K87编辑于 2021-12-11 - 来自专栏Elasticsearch&Lucene
【腾讯云ES】分片均衡算法深入浅出
该索引平均在每台节点的分片数)复制4、计算每个索引在所有节点的权重及差值假设先遍历到index1，index1在3台节点上的分片个数分别为3、2、1，index1在每台节点上的权重分别为：node1：(5- 4)* 0.45 + (3-2)*0.55 = 1node2：(5-4)* 0.45 + (2-2)*0.55 = 0.45node3：(2-4)* 0.45 + (1-2)*0.55 = -1.45index1 在3台节点的权重差为最大值减去最小值=1+1.45=2.45 > 1复制index2在3台节点上的分片个数分别为2、3、1，index2在每台节点上的权重分别为：node1：(5-4)* 0.45 + (2-2)*0.55 = 0.45node2：(5-4)* 0.45 + (3-2)*0.55 = 1node3：(2-4)* 0.45 + (1-2)*0.55 = -1.45index2在3台节点的权重差为最大值减去最小值 此时就是node1上的分片少了一个，node3上的分片多了一个)，试图迁移中index1在每个节点上的权重分别为：node1：(4-4)* 0.45 + (2-2)*0.55 = 0.0 node2：(5-
1.5K30编辑于 2022-12-12 - 来自专栏数据结构与算法
计算机是如何理解表达式的？从中缀到后缀一文搞定！
我们日常最熟悉的表达形式就是中缀表达式，如下所示： 5-4\*3/(2+1) 中缀表达式最符合人类的书写和阅读习惯，但对于计算机来说，它却并不友好。 流程如下： 二、前缀表达式 前缀表达式又称波兰表达式，其特点是：运算符写在两个操作数的前面，如下所示： -5\*4/3+12 该前缀表达式所对应的中缀表达式是 5-4\*3/(2+1) 前缀表达式的优势在于 三、后缀表达式（重点） 后缀表达式也叫逆波兰表达式，其特点是：运算符写在两个操作数之后，比如： 54321+/\*- 该后缀表达式所对应的中缀表达式同样是 5-4\*3/(2+1) 后缀表达式的优势 不需要括号
73010编辑于 2025-04-22 - 来自专栏数据科学与人工智能
开源硬件编程
音乐模块 • music模块可以从引脚输出音乐，由喇叭播放 • 内置音乐乐曲 • 由音符编写乐曲 • 发出指定频率声音 ? 5. 音符和组成乐曲 1.
2K30发布于 2020-09-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号