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(全彩印刷)

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(全彩印刷)
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2021-08
版次: 1
ISBN: 9787302582038
定价: 89.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 144页
4人买过
  •   音乐是人类思维的产物,以物理波形为载体,传递着人们对生活的理解和主观感受。情感是音乐先天的属性,音乐是非常能够表达人类思想和传播文化的途径。人工智能发展到今天也不同程度地遇到了“语义瓶颈”,如何让机器理解和表达人类情感,成为人工智能技术无法跨越的鸿沟。
      为了探索机器理解语义的方法,《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(全彩印刷)》从音乐这一情感载体人手,详细论述了从基于音乐内容到音乐语义的信息检索模式,从而为机器理解人类情感打开一扇有趣的窗口。
      《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(全彩印刷)》的研究思路、研究方法及其发展历程,在文本、图像和视频领域有相通之处,《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(全彩印刷)》也能使读者进一步理解多媒体信号语义提取方法和应用。
      《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(全彩印刷)》融合了作者十余年来在该领域学习研究的经验,对相关算法和方法的论述深入浅出,使得读者能够理论联系实际,更快地从事该领域的工作。   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、辽宁省重点研发计划一项。十余年来一直从事音乐信息检索领域的研究,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)和《工程索引》(EI)检索,在音乐信息检索方向具备丰富的理论及应用经验。 第1章 音乐信息检索的产生与发展
    1.1 音乐信息检索历史与发展
    1.2 音乐信息检索建模与表达
    1.3 音乐信息检索相关研究
    1.4 国内外研究进展
    1.4.1 音乐检索
    1.4.2 音乐推荐
    1.4.3 音乐播放列表生成
    1.4.4 音乐浏览界面
    1.4.5 其他检索应用
    1.5 研究思路
    1.5.1 框架
    1.5.2 研发思路
    第2章 音乐计算理论
    2.1 音乐特征提取
    2.1.1 时域和频域特征
    2.1.2 低层特征和音色
    2.1.3 音高特征
    2.1.4 旋律、和弦和音调
    2.2 音乐相似度
    2.2.1 自相似性分析与音乐结构
    2.2.2 全局相似度
    2.2.3 基于向量空间模型的音乐相似度
    2.2.4 基于共现分析的音乐相似度
    2.3 本章小结
    第3章 基于旋律的哼唱音乐检索模型
    3.1 哼唱旋律的表示模型及其匹配技术框架
    3.2 基于遗传算法的旋律轮廓对齐算法
    3.2.1 染色体编码设计
    3.2.2 适应度函数定义
    3.2.3 算法描述
    3.2.4 加权综合旋律模板匹配算法
    3.3 旋律模板的局部敏感哈希
    3.3.1 音乐文件的模板生成
    3.3.2 局部哈希算法
    3.3.3 面向欧氏距离的LSH函数族
    3.3.4 基于局部哈希算法的哼唱检索
    3.4 实验结果与分析
    3.4.1 遗传算法实验结果及其分析
    3.4.2 哼唱检索系统检索结果及其分析
    3.5 本章小结
    第4章 基于示例内容的音乐检索模型
    4.1 基于流形排序的音乐检索技术框架
    4.2 流形排序
    4.3 音频流形排序算法设计
    4.3.1 特征选择
    4.3.2 流形排序算法设计
    4.3.3 相关反馈算法设计
    4.4 实验结果与分析
    4.5 本章小结
    第5章 基于示例语义的音乐检索模型
    5.1 基于示例语义的音乐检索
    5.2 基于示例语义的音乐检索系统框架
    5.3 基于深度学习算法的模型设计
    5.3.1 问题描述
    5.3.2 模型设计
    5.3.3 算法描述
    5.4 模型改进
    5.4.1 损失函数调整
    5.4.2 SMOTE算法
    5.4.3 基于ELM的语义向量生成
    5.5 实验结果与分析
    5.5.1 数据集与语义特征提取
    5.5.2 标注性能评价
    5.5.3 检索性能评价
    5.5.4 实验结果分析
    5.6 本章小结
    第6章 基于示例语义的音乐检索与交互技术应用
    6.1 音乐检索交互系统
    6.2 基于语义的音乐检索交互系统框架
    6.3 基于语义的音乐检索交互系统设计
    6.3.1 基于语义的音乐检索算法实现
    6.3.2 基于交互信息的音乐推荐算法实现
    6.3.3 用户语义配置文件的生成
    6.4 系统实现
    6.4.1 检索数据集的建立
    6.4.2 检索交互系统实现
    6.5 本章小结
    第7章 人工智能在音乐检索技术中的应用
    7.1 音乐语义提取及应用
    7.1.1 音乐语义标注的深度神经网络模型
    7.1.2 可解释模型音乐语义模型
    7.2 跨模态音乐检索
    7.2.1 音乐-视频跨模态检索
    7.2.2 音乐-歌词跨模态检索
    7.3 智能音乐交互及发现工具
    7.3.1 基于LibROSA的音乐信息检索系统评估工具
    7.3.2 基于语义图表的音乐元数据复杂性建模
    7.3.3 MusicWeb:具有开放链接语义元数据的音乐发现
    7.3.4 基于肢体动作相似度的舞蹈音乐检索系统
    7.3.5 语义音乐播放器
    7.4 本章小结
    参考文献
  • 内容简介:
      音乐是人类思维的产物,以物理波形为载体,传递着人们对生活的理解和主观感受。情感是音乐先天的属性,音乐是非常能够表达人类思想和传播文化的途径。人工智能发展到今天也不同程度地遇到了“语义瓶颈”,如何让机器理解和表达人类情感,成为人工智能技术无法跨越的鸿沟。
      为了探索机器理解语义的方法,《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(全彩印刷)》从音乐这一情感载体人手,详细论述了从基于音乐内容到音乐语义的信息检索模式,从而为机器理解人类情感打开一扇有趣的窗口。
      《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(全彩印刷)》的研究思路、研究方法及其发展历程,在文本、图像和视频领域有相通之处,《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(全彩印刷)》也能使读者进一步理解多媒体信号语义提取方法和应用。
      《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(全彩印刷)》融合了作者十余年来在该领域学习研究的经验,对相关算法和方法的论述深入浅出,使得读者能够理论联系实际,更快地从事该领域的工作。
  • 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、辽宁省重点研发计划一项。十余年来一直从事音乐信息检索领域的研究,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)和《工程索引》(EI)检索,在音乐信息检索方向具备丰富的理论及应用经验。
  • 目录:
    第1章 音乐信息检索的产生与发展
    1.1 音乐信息检索历史与发展
    1.2 音乐信息检索建模与表达
    1.3 音乐信息检索相关研究
    1.4 国内外研究进展
    1.4.1 音乐检索
    1.4.2 音乐推荐
    1.4.3 音乐播放列表生成
    1.4.4 音乐浏览界面
    1.4.5 其他检索应用
    1.5 研究思路
    1.5.1 框架
    1.5.2 研发思路
    第2章 音乐计算理论
    2.1 音乐特征提取
    2.1.1 时域和频域特征
    2.1.2 低层特征和音色
    2.1.3 音高特征
    2.1.4 旋律、和弦和音调
    2.2 音乐相似度
    2.2.1 自相似性分析与音乐结构
    2.2.2 全局相似度
    2.2.3 基于向量空间模型的音乐相似度
    2.2.4 基于共现分析的音乐相似度
    2.3 本章小结
    第3章 基于旋律的哼唱音乐检索模型
    3.1 哼唱旋律的表示模型及其匹配技术框架
    3.2 基于遗传算法的旋律轮廓对齐算法
    3.2.1 染色体编码设计
    3.2.2 适应度函数定义
    3.2.3 算法描述
    3.2.4 加权综合旋律模板匹配算法
    3.3 旋律模板的局部敏感哈希
    3.3.1 音乐文件的模板生成
    3.3.2 局部哈希算法
    3.3.3 面向欧氏距离的LSH函数族
    3.3.4 基于局部哈希算法的哼唱检索
    3.4 实验结果与分析
    3.4.1 遗传算法实验结果及其分析
    3.4.2 哼唱检索系统检索结果及其分析
    3.5 本章小结
    第4章 基于示例内容的音乐检索模型
    4.1 基于流形排序的音乐检索技术框架
    4.2 流形排序
    4.3 音频流形排序算法设计
    4.3.1 特征选择
    4.3.2 流形排序算法设计
    4.3.3 相关反馈算法设计
    4.4 实验结果与分析
    4.5 本章小结
    第5章 基于示例语义的音乐检索模型
    5.1 基于示例语义的音乐检索
    5.2 基于示例语义的音乐检索系统框架
    5.3 基于深度学习算法的模型设计
    5.3.1 问题描述
    5.3.2 模型设计
    5.3.3 算法描述
    5.4 模型改进
    5.4.1 损失函数调整
    5.4.2 SMOTE算法
    5.4.3 基于ELM的语义向量生成
    5.5 实验结果与分析
    5.5.1 数据集与语义特征提取
    5.5.2 标注性能评价
    5.5.3 检索性能评价
    5.5.4 实验结果分析
    5.6 本章小结
    第6章 基于示例语义的音乐检索与交互技术应用
    6.1 音乐检索交互系统
    6.2 基于语义的音乐检索交互系统框架
    6.3 基于语义的音乐检索交互系统设计
    6.3.1 基于语义的音乐检索算法实现
    6.3.2 基于交互信息的音乐推荐算法实现
    6.3.3 用户语义配置文件的生成
    6.4 系统实现
    6.4.1 检索数据集的建立
    6.4.2 检索交互系统实现
    6.5 本章小结
    第7章 人工智能在音乐检索技术中的应用
    7.1 音乐语义提取及应用
    7.1.1 音乐语义标注的深度神经网络模型
    7.1.2 可解释模型音乐语义模型
    7.2 跨模态音乐检索
    7.2.1 音乐-视频跨模态检索
    7.2.2 音乐-歌词跨模态检索
    7.3 智能音乐交互及发现工具
    7.3.1 基于LibROSA的音乐信息检索系统评估工具
    7.3.2 基于语义图表的音乐元数据复杂性建模
    7.3.3 MusicWeb:具有开放链接语义元数据的音乐发现
    7.3.4 基于肢体动作相似度的舞蹈音乐检索系统
    7.3.5 语义音乐播放器
    7.4 本章小结
    参考文献
查看详情
12