今年のメディアので、その作成を支援するために人工知能を使用し始め、そして人工知能は、最も人気のあるインターネットの材料を抽出して、これに基づいて新しい記事を生成することができるしています。ソフトウェアは、と呼ばれる非常に成熟し、より広く使われている人工知能ツールはコンテンツビジネスの時代におけるスマートライティングを取得し、今探索的段階に新しいコンテンツを作成するために、多くのコンテンツ配信プラットフォームであるが、その高い評価。コンテンツを作成するためのアルゴリズムアルゴリズムからの提言「ヘルプ」の著者、今日の人工知能のタイトルは、コンテンツ制作の分野で大きな一歩を進めています。
ここでは、人工知能の作成に関連する音楽を見て：
音楽を追求する人間の自然と芸術の趣味の一つです。芸術の感謝を人間かの古代の哲学者ので、どのように強い関心を作成します。そして、初期の人間は音楽理論の多くを持っているだろうというとき。音楽の歴史の中で、作曲は確認および組成テクニックを要約するために停止したことがありません。開発の提案近代化、人工知能の概念は、あなたは、人々が徐々に音楽制作のアイデアを使用するようにコンピュータアルゴリズムを生成させることができますので、アルゴリズム作曲の概念がされて入ってきました。
値
コンピュータの現在のレベルや一次組成物、弦部は、手動の介入によって実現されます。まだ始まったばかりで、この技術の見通しは非常に広範ですが、まだ揺籃期にあるものの、などいくつかの場面広告、社会的、エンターテイメント、AR、VR、の表示スペースがあります。ちょうどあなたが排他的な音楽をカスタマイズするための人工知能をさせることができ、結婚式の後に新婚夫婦をアップロードし、想像してみてください。また、この技術はまた、ゲームで使用されています。そのため、作曲を勉強するために人工知能の使用が必要です。
難しさ
正規表現の質問の1知識
任意のアルゴリズム作曲システムは完璧な表現技法旋律開発には存在しません。
2.イノベーションの音楽
自動的にそれが実用的であるかどうかをコンピュータで生成された音楽、ユーザーのための作曲やによって？これは重要な問題を含んで、私たちは作曲者自身の音楽を模倣するようにアルゴリズム作曲を使用すること質問の特定の種類の仕事のスタイルを模倣するためのプロセス、または。
3.コンピュータで生成された音楽作品の問題を評価する方法
それは本当に伝統的な音楽理論を満たすことができ、楽曲を構成するアルゴリズムによって生成されるかどうか？もちろん、品質評価メカニズム構成するシステムは、非常に重要な部分です。これは、音楽の方向をガイドする傾向があり、さらには最終的には音楽作品の成功を決定します。
4.どのように与えるために、人間の感情は、アルゴリズム作曲のために働きます
ゲイン
1.材料の関連するアルゴリズム作曲を読んで、一定の理解を持ってどのようなアルゴリズムを設計するために、将来の学習のための有益な情報を見つけるために自分の能力を発揮。
システムのルールの2.知識、マルコフ連鎖、深い学習アルゴリズムは、一定の理解を持っています。
より多くを考えなければならない、と多くの周りに、彼らの問題について文句を言うべきではない、それはささいなことから含まれている知識を見つけるために、または最適化と改善の問題を解決するのはなぜ問題に直面して3は、これらの問題から求めるべきです。
4.あなたは大きな困難な問題が発生したとき、すべてが解体、脅迫することはできませんが、大きな問題絞り込みを落ち着いて（すなわち最小動作点）最も本質的な問題を特定すべきであるに最後に、問題が徐々に明らかになった見つけます。
概要
情報へのアクセスを通じ、現在、多くの方法のアルゴリズム作曲があります。
1.知識のルールシステム
私たちは、コンピュータで生成されたメロディーが知識ルールの特定のセットによって生成された各が必要で、メロディ作曲収集システムの構築におけるルールの知識のシリーズを確立しています。複雑な音楽の創造的なプロセスにおけるルールベースの知識システム、利点は、複雑な関係から結論付けることができ、符号化の非常に明確な知識です。あなたが抽出されるために使用されるすべてのルールやテクニックに基づく作曲作曲の音楽を模倣しようとした場合、コンピュータに入力されたしかし、この傾向は非常に困難です。
2.マルコフ連鎖
マルコフ連鎖アルゴリズムが広く音符を選択する変換テーブルに従って、組成物の分野で使用されてきました。この変換テーブルは、その引数、現在のノートでの関数のようなもので、関数の値は次のノートを表示する可能性があります。音楽の特定のスタイルは、ネストされた特徴・変換テーブルは、標準の工芸品に応じて設定することができます。千の広収集および統計に音楽のスタイル（例えば、特定の作曲や期間などの）特定のために、対応する変換テーブルを構築することができます。そして、この変換テーブルは、ノート向け作品のこれらの特定の音楽スタイルの可能性を定義します。実際には、変換テーブルのパフォーマンスが旋律スタイルが定量化されます。主に特定のスタイルのメロディーを生成するためのマルコフ連鎖。作曲は、音楽を作成するときに、この方法は、コンピュータを制御するためには、適切な音楽を生成し、思考をシミュレートすることができます。私たちは、さらに、入力パラメータ、または出力として新しいスタイルを生成するために表示されている各ノートのカスタム音楽尤度として、既存のメロディーによることができます。
3.深い学習
入力から計算に関連する出力を生成するフロー図（フロー図）で表すことができる：それは、図の計算の流れ図を表すことができ、図の各ノードは、基本的な計算及び計算を表す式値（演算結果値は、子ノードのノードに適用されます）。コンピューティング考慮のようなコレクションは、それが各ノードに許可され、図可能な構成、及び機能のファミリを定義することができます。父親なしの入力ノードは、出力ノードには子がありません。
下の青い部分は、入力した音楽です。図から分かるように、それは、各入力の入力点の一つであり、その後、接続層の後、グレー点を生成することによって組み込まれ、最終的な出力は、新たに生成された音楽、すなわち×××点です。×××ポイントに引き下げ、新しいノートに生成されます。ノートによれば、前にすべての音楽を生成することです。
4.SOFM
（SOFMに）自己組織化マップは、一つの組織のネットワークから、いわゆる自己組織化は、学習の結果を参照されるように、ニューロンのクラスター領域の重み付けベクトルは、入力ベクトルの近似を維持常に互いに類似した特性を有する入力ベクトル。この構造は、入力された情報に関する法律および関係のネットワークを識別することができ、それに応じて後続の出力が対応するように、これらの規則に従ってネットワークを調整します。
分析
これらのデータを読み出すことで、これらの方法では、私自身がそれを構成する人工知能で起こるであろうと、一定の理解を持っていますか？
音楽のアルゴリズムについて、私の考えはこれです：
1.ヒューリスティック情報、10点の可能な解決策の長さのメロディー部分の検索。
説明：
（1）発見的情報：この上のヒューリスティック情報は、1つまたは少数の和音にトーンまたは少数の音符、コード、およびこの一致の程度とすることができ、これは確率テーブルを得るために、既存の作品の多数を分析することができます。例えば、音楽の多くの場合、2つの和音の確率がダウンし、検索を継続する必要はありません、これらの二つの和音の組み合わせが不一致であることを示し、一緒に非常に小さく表示されます。
（2）10の長さ：検索の長さは、それ以外の場合は、計算の偉大な量になり、長すぎることはできません。これは、この方法の主な欠点です。
（3）可能な解決策の。計算を簡単にするために、あなたがそうであっても、アルトエリアでのみ検索することができ、すべてのソリューションは、まだ21の電源として、10倍のですが、アカウントにヒューリスティック情報を取って、我々はそれだけでソリューションのごく一部を検索する必要があります。
2.確率的入力+ SOFMクラスター。
上記の検索方法の欠点の1つは変化がないことが、私は非常に重要なポイントは、最高と実現可能性の実現可能性の間の選択であると考え、創造的ではありません。だから、それの最適なソリューションを強化する方法はありますか？
曲の長さを増大させるために、クラスタは良い方法です。クラスタリングは、静的な分類によって異なるグループまたは複数のサブセットに類似したオブジェクトであるので、いくつかのプロパティを持つオブジェクトのメンバの同じサブセットに類似しましょう。
説明：
（1）ランダムノートはランダムに生成することができます。
（2）「類似」とは、周波数解析の近くに定義することができる音楽の類似性テーブルの多数の取得してもよいです。
（3）上記の検索は、この入力方法はランダムであるため、出力が単調避け、また変化に満ちている、同じではない、単一の低い計算複雑度、人間の感情をシミュレートすることができます。それよりも少ない、必ずしも人間の味のこのクラスタリングの結果、それはまた、私たちのお気に入りのソリューションを選択し、そこから、コンピューティングの多くを必要とします。
3.遺伝的アルゴリズム。
進化遺伝的アルゴリズム生物学的な性質を学習し、そのようなプロセスは、以下のとおりです。親集団から選択される基で、ランダムな確率論的摂動を発生させることによって変化させた親をコードする遺伝子のセットに配置されたノートの組み合わせ、最高の適応度関数を選ぶことにより、あなたが実行可能な解決策を見つけるまで、個人、グループとは、次の進化に参加します。
説明：
（1）コード：ノート生物の遺伝子配列をマッピングします。
（2）ランダムな外乱：クロス（再編）と突然変異の各世代の進化、ランダム乱れ、ランダムノートの後、全体的な最高を達成するために可能な限り、解決策を多様化するために、（ノートのビットを変更します）。
（3）オプション：フィットネス機能を選択することにより、進化後の進化を、最高の問題の個々の環境に適応を見つけること。
（4）適応度関数：ソリューションのメリットの評価、これは「甘い度」の曲で、コードが接続されている別のノートを作ることができる数学的に反射され、同様の傑作の断片などであってもよいです。
結論
これらの論文を読むことによって、アルゴリズム作曲は難しいことではありません、ソニー、Googleや他の企業が持っている
いくつかの音楽を作成するために、私は既存の音楽を模倣するために聞いた後は達成することは容易であると思うが、人かどうか
、彼らはどのように起動したとき私は、構文規則よりも演奏がはるかに何かをキャプチャすることができ、と思います。非常に
長い期間、新しい美しさを生成しませ楽曲を構成するコンピュータプログラム作曲オーバー。だけでなく、音
、音楽、芸術のすべての作品は、私たちのために、表現の一種です。これは、コンテンツを表示するために持っていると感情がずっとある
キャプチャすることができ、単にルールや技術よりも。それは経験から、だけでなく、このビーイングの観点から来なければならない
機械が達成できないということ。しかし、私は、ニューラルネットワークモデルを通じて、機械学習と人工知能アルゴリズムと信じてい
た音楽を作成するために、進化が良くなっされます。
著者：ゲットスマートライティングを