AI探视人类情感原理与实践——人工智能驱动的音乐信息检索
全新正版 极速发货
¥
53.38
6.0折
¥
89
全新
库存3件
作者秦静
出版社清华大学出版社
ISBN9787302582038
出版时间2021-08
装帧平装
开本其他
定价89元
货号1202502666
上书时间2024-09-04
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
秦静,女,博士,大连大学软件工程学院副教授,辽宁省智慧医疗协同创新中心、大连市智慧健康与医疗重点实验室成员。主要研究方向为模式识别与信息检索。先后主持国家自然科学基金青年基金一项项、辽宁省重点研发计划一项。十余年来一直从事音乐检索领域的研究,先后发表数篇音乐信息检索领域论文,其中多篇被《科学引文索引》(SCI)或《工程索引》(EI)检索,积累了音乐信息检索丰富的理论及应用经验。
目录
章 音乐信息检索的产生与发展001
11 音乐信息检索历史与发展003
12 音乐信息检索建模与表达005
13 音乐信息检索相关研究006
14 国内外研究进展010
141 音乐检索010
142 音乐推荐014
143 音乐播放列表生成015
144 音乐浏览界面016
145 其他检索应用019
15 研究思路021
151 框架021
152 研发思路022
第2章 音乐计算理论023
21 音乐特征提取025
211 时域和频域特征025
212 低层特征和音色028
213 音高特征030
214 旋律、和弦和音调035
22 音乐相似度038
221 自相似性分析与音乐结构038
222 全局相似度038
223 基于向量空间模型的音乐相似度039
224 基于共现分析的音乐相似度041
23 本章小结045
第3章 基于旋律的哼唱音乐检索模型047
31 哼唱旋律的表示模型及其匹配技术框架048
32 基于遗传算法的旋律轮廓对齐算法050
321 染色体编码设计052
322 适应度函数定义053
323 算法描述053
324 加权综合旋律模板匹配算法054
33 旋律模板的局部敏感哈希055
331 音乐文件的模板生成056
332 局部哈希算法057
333 面向欧氏距离的LSH函数族058
334 基于局部哈希算法的哼唱检索059
34 实验结果与分析060
341 遗传算法实验结果及其分析061
342 哼唱检索系统检索结果及其分析064
35 本章小结066
第4章 基于示例内容的音乐检索模型067
41 基于流形排序的音乐检索技术框架068
42 流形排序069
43 音频流形排序算法设计071
431 特征选择071
432 流形排序算法设计072
433 相关反馈算法设计074
44 实验结果与分析077
45 本章小结081
第5章 基于示例语义的音乐检索模型083
51 基于示例语义的音乐检索084
52 基于示例语义的音乐检索系统框架086
53 基于深度学习算法的模型设计087
531 问题描述087
532 模型设计091
533 算法描述094
54 模型改进096
541 损失函数调整097
542 SMOTE算法098
543 基于ELM的语义向量生成100
55 实验结果与分析101
551 数据集与语义特征提取101
552 标注性能评价102
553 检索性能评价103
554 实验结果分析103
56 本章小结111
第6章 基于示例语义的音乐检索与交互技术应用113
61 音乐检索交互系统114
62 基于语义的音乐检索交互系统框架116
63 基于语义的音乐检索交互系统设计117
631 基于语义的音乐检索算法实现117
632 基于交互信息的音乐推荐算法实现118
633 用户语义配置文件的生成119
64 系统实现120
641 检索数据集的建立120
642 检索交互系统实现122
65 本章小结125
第7章 人工智能在音乐检索技术中的应用127
71 音乐语义提取及应用128
711 音乐语义标注的深度神经网络模型128
712 可解释模型音乐语义模型133
72 跨模态音乐检索133
721 音乐-视频跨模态检索133
722 音乐-歌词跨模态检索134
73 智能音乐交互及发现工具136
731 基于LibROSA的音乐信息检索系统评估工具136
732 基于语义图表的音乐元数据复杂性建模139
733 MusicWeb:具有开放链接语义元数据的音乐发现139
734 基于肢体动作相似度的舞蹈音乐检索系统141
735 语义音乐播放器143
74 本章小结143
参考文献145
内容摘要
音乐信息检索是从海量音频信号、音乐的符号表示或网页资源上提取并分析出音乐有意义的特征,用此特征为音乐建立索引,然后设计不同的查询和检索机制,以获得人们想要查询的音乐作品的过程。随着数字音乐的发展,音乐信息检索融合了计算机机器学习、模式识别和人工智能技术,是人工智能应用的典型领域之一。同时,作为计算机技术探寻人类情感等语义的重要领域,吸引了众多学者和业界的广泛关注。
本书论述了以旋律作为主要特征检索音乐的模型及其实现方法,建立基于流形排序的整首音乐内容检索模型,并介绍了相关反馈方法对检索结果的改进技术。另外,解读了基于示例语义的检索模型,论述了如何克服音乐检索“语义鸿沟”问题,将音乐映射到一个语义空间的方法。很后,讲解人工智能技术在音乐检索方向上的发展趋势和全新应用。
本书读者主要是艺术、计算机应用领域的艺术家、研究人员、计算机应用开发人员、数字媒体设计人员、数字音乐产业从业人员及教育工作者。另外,本书对于语音识别、模式识别等领域的从业者也有很高的参考价值。
主编推荐
"智能音箱播放歌曲这个看似简单的场景背后,是多种人工智能技术的集体协作,包括声学信号处理、语音自动识别、自然语言理解、资源检索与发现、自然语言生成、语音合成等,其中内容检索是满足用户很终需求的关键技术之一。
面向音乐数据集的这些特征构建索引,根据特征数据收录的不同可以有不同的技术体系。在自然语言处理中,自然语言理解处于核心地位。如果把音乐看成一种特殊的“语言”,那么,对音乐的语义理解意味着什么?音乐的那些主要特征能够表达音乐的语义特征吗?人类情感可以量化吗?人工智能可以具备情感吗?情感化的人工智能在产品设计中的竞争力有多强?在本书中,希望你可以找到答案。
"
— 没有更多了 —
以下为对购买帮助不大的评价