AI 探視人類情感原理與實踐 — 人工智能驅動的音樂信息檢索
秦靜
買這商品的人也買了...
-
軟體研發經驗談─觀念、紀律與個案$650$553 -
線性代數, 2/e (Elementary Linear Algebra: A Matrix Approach, 2/e)$750$675 -
數位邏輯設計 (Roth: Fundamentals of Logic Design, 7/e)$580$568 -
Python 程式設計實務－從初學到活用 Python 開發技巧的16堂課$560$437 -
生醫訊號系統實作：LabVIEW & Biomedical System$300$285 -
$505實時語音處理實踐指南 -
Android Jetpack 應用指南$474$450 -
聲紋技術：從核心算法到工程實踐$594$564 -
Kaggle 競賽攻頂秘笈 -- 揭開 Grandmaster 的特徵工程心法，掌握制勝的關鍵技術$1,000$790 -
Android 十全大補：從 Kotlin、MVVM 到測試的全方面介紹（iT邦幫忙鐵人賽系列書）$520$406 -
從來沒有這麼明白過：TensorFlow 上車就學會$690$587 -
人工智慧與影像知識詮釋化$330$297 -
自學機器學習 - 上 Kaggle 接軌世界，成為資料科學家$680$578 -
基於 EEG 的腦機接口：認知分析與控制應用$894$849 -
OpenCV 影像創意邁向 AI 視覺王者歸來 (全彩印刷)$890$587 -
Python 小專案大集合：提升功力的 81個簡單有趣小程式$720$562 -
$403Android Runtime 源碼解析 -
從0到0.99 Android 架構開發實戰：以便利貼應用程式為例（iThome鐵人賽系列書）$600$468 -
深入淺出 Android 開發, 3/e (Head First Android Development : A Learner's Guide to Building Android Apps with Kotlin, 3/e)$1,200$948 -
ChatGPT 與 AI繪圖效率大師：從日常到職場的全方位應用總整理，48小時迎接減壓新生活！$620$484 -
深度學習與音樂生成$474$450 -
Visual C# 程式設計經典 - 邁向 Azure 雲端、AI 影像辨識與 OpenAI API 服務開發 (適用C# 2022/2019/2017)$750$563 -
無料 AI：ChatGPT + Gemini + Claude + Copilot + Coze + PlaygroundAI + Ideogram + Stylar + Faceswapper + Suno + Stable Audio + D-ID + Runway + Sora + Gamma-「文字、繪圖、動漫、視覺、音樂、影片、簡報」創意無限 (第二版)$680$449 -
台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰$800$632 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507
相關主題
商品描述
音樂信息檢索是從海量音頻信號、音樂的符號表示或網頁資源上提取並分析出音樂有意義的特徵，用此特徵為音樂建立索引，然後設計不同的查詢和檢索機制，以獲得人們想要查詢的音樂作品的過程。隨著數字音樂的發展，音樂信息檢索融合了電腦機器學習、模式識別和人工智能技術，是人工智能應用的典型領域之一。同時，作為電腦技術探尋人類情感等語義的重要領域，吸引了眾多學者和業界的廣泛關註。 本書論述了以旋律作為主要特徵檢索音樂的模型及其實現方法，建立基於流形排序的整首音樂內容檢索模型，並介紹了相關反饋方法對檢索結果的改進技術。另外，解讀了基於示例語義的檢索模型，論述瞭如何剋服音樂檢索“語義鴻溝”問題，將音樂映射到一個語義空間的方法。最後，講解人工智能技術在音樂檢索方向上的發展趨勢和全新應用。 本書讀者主要是藝術、電腦應用領域的藝術家、研究人員、電腦應用開發人員、數字媒體設計人員、數字音樂產業從業人員及教育工作者。另外，本書對於語音識別、模式識別等領域的從業者也有很高的參考價值。
作者簡介
秦靜，女，博士，大連大學軟件工程學院副教授，遼寧省智慧醫療協同創新中心、大連市智慧健康與醫療重點實驗室成員。主要研究方向為模式識別與信息檢索。先後主持國家自然科學基金青年基金一項、遼寧省重點研發計劃一項。十餘年來一直從事音樂信息檢索領域的研究，先後發表數篇音樂信息檢索領域論文，其中多篇被《科學引文索引》（SCI）和《工程索引》（EI）檢索，在音樂信息檢索方向具備豐富的理論及應用經驗。
目錄大綱
1章 音樂信息檢索的產生與發展001
11 音樂信息檢索歷史與發展003
12 音樂信息檢索建模與表達005
13 音樂信息檢索相關研究006
14 國內外研究進展010
141 音樂檢索010
142 音樂推薦014
143 音樂播放列表生成015
144 音樂瀏覽界面016
145 其他檢索應用019
15 研究思路021
151 框架021
152 研發思路022
2章 音樂計算理論023
21 音樂特徵提取025
211 時域和頻域特徵025
212 低層特徵和音色028
213 音高特徵030
214 旋律、和弦和音調035
22 音樂相似度038
221 自相似性分析與音樂結構038
222 全局相似度038
223 基於向量空間模型的音樂相似度039
224 基於共現分析的音樂相似度041
23 本章小結045
3章 基於旋律的哼唱音樂檢索模型047
31 哼唱旋律的表示模型及其匹配技術框架048
32 基於遺傳算法的旋律輪廓對齊算法050
321 染色體編碼設計052
322 適應度函數定義053
323 算法描述053
324 加權綜合旋律模板匹配算法054
33 旋律模板的局部敏感哈希055
331 音樂文件的模板生成056
332 局部哈希算法057
333 面向歐氏距離的LSH函數族058
334 基於局部哈希算法的哼唱檢索059
34 實驗結果與分析060
341 遺傳算法實驗結果及其分析061
342 哼唱檢索系統檢索結果及其分析064
35 本章小結066
4章 基於示例內容的音樂檢索模型067
41 基於流形排序的音樂檢索技術框架068
42 流形排序069
43 音頻流形排序算法設計071
431 特徵選擇071
432 流形排序算法設計072
433 相關反饋算法設計074
44 實驗結果與分析077
45 本章小結081
5章 基於示例語義的音樂檢索模型083
51 基於示例語義的音樂檢索084
52 基於示例語義的音樂檢索系統框架086
53 基於深度學習算法的模型設計087
531 問題描述087
532 模型設計091
533 算法描述094
54 模型改進096
541 損失函數調整097
542 SMOTE算法098
543 基於ELM的語義向量生成100
55 實驗結果與分析101
551 數據集與語義特徵提取101
552 標註性能評價102
553 檢索性能評價103
554 實驗結果分析103
56 本章小結111
6章 基於示例語義的音樂檢索與交互技術應用113
61 音樂檢索交互系統114
62 基於語義的音樂檢索交互系統框架116
63 基於語義的音樂檢索交互系統設計117
631 基於語義的音樂檢索算法實現117
632 基於交互信息的音樂推薦算法實現118
633 用戶語義配置文件的生成119
64 系統實現120
641 檢索數據集的建立120
642 檢索交互系統實現122
65 本章小結125
7章 人工智能在音樂檢索技術中的應用127
71 音樂語義提取及應用128
711 音樂語義標註的深度神經網絡模型128
712 可解釋模型音樂語義模型133
72 跨模態音樂檢索133
721 音樂-視頻跨模態檢索133
722 音樂-歌詞跨模態檢索134
73 智能音樂交互及發現工具136
731 基於LibROSA的音樂信息檢索系統評估工具136
732 基於語義圖表的音樂元數據複雜性建模139
733 MusicWeb：具有開放鏈接語義元數據的音樂發現139
734 基於肢體動作相似度的舞蹈音樂檢索系統141
735 語義音樂播放器143
74 本章小結143
參考文獻145
