ترجمه مقاله کاوش الگوی موسیقی جهت نمایش کروموزوم در ترکیب بندی تکاملی - نشریه IEEE

ترجمه مقاله کاوش الگوی موسیقی جهت نمایش کروموزوم در ترکیب بندی تکاملی - نشریه IEEE
قیمت خرید این محصول
۳۹,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
کاوش الگوی موسیقی جهت نمایش کروموزوم در ترکیب بندی تکاملی
عنوان انگلیسی
Music Pattern Mining for Chromosome Representation in Evolutionary Composition
صفحات مقاله فارسی
17
صفحات مقاله انگلیسی
8
سال انتشار
2015
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع ارائه مقاله
کنفرانس
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
13.856 در سال 2019
شاخص H_index مجله
166 در سال 2020
شاخص SJR مجله
3.993 در سال 2019
شناسه ISSN مجله
1089-778X
شاخص Q یا Quartile (چارک)
Q1 در سال 2019
کد محصول
11246
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
درج نشده است ☓
ضمیمه
ندارد ☓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مهندسی کامپیوتر، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
دانشگاه
گروه علوم کامپیوتر و اطلاعات، دانشگاه ملی چونگ چنگ، تایوان
کلمات کلیدی
محاسبه و رایانش تکاملی، الگوریتم ژنتیک، کاوش الگو، ترکیب بندی خودکار، هوش خلاق
کلمات کلیدی انگلیسی
evolutionary computation - genetic algorithm - pattern mining - automatic composition - creative intelligence
doi یا شناسه دیجیتال
https://doi.org/10.1109/CEC.2015.7257149
فهرست مطالب
چکیده
I. مقدمه
II. تحقیقات مرتبط
الف- ترکیب تکاملی
B. کاوش الگو
III. کاوش الگو ها از ترکیب بندی ها
A. نمایش داده های موزیک
B. کاوش الگوی متوالی
IV. ترکیب بندی تکاملی
A. نمایش
B. تابع برازش
C. عملگر های ژنتیک
D. پس پردازش
V. نتایج آزمایشگاهی
VI نتیجه گیری
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
11246-IranArze     11246-IranArze1     11246-IranArze2
نمونه چکیده متن اصلی انگلیسی
Abstract

Artificial intelligence (AI) has bloomed in many novel fields such as computational creativity. Recently, research on automatic composition using AI technology, especially evolutionary algorithms, has received considerable promising results. Traditionally, chromosomes are represented as a series of numbers to indicate the notes for evolutionary composition. This study attempts to explore the composition styles by mining music patterns of a specific composer. The patterns are used as genes for chromosome representation. Accordingly, the composition styles are considered in generating music by evolutionary algorithms. The fitness function is based on music theory to smooth the progression between phrases. Experimental results show that the patterns mined from compositions can reflect the composer's style and benefit generating satisfactory songs by evolutionary algorithms.

I. INTRODUCTION

Computational intelligence and artificial intelligence technologies have been widely applied to many areas in creativity, such as music, art, literature, and engineering design. Music composition using artificial intelligence attracts much attention since music plays an important role in human life. However, composing music is particularly difficult because many elements need to be considered, to wit, rhythm, melody, texture, musical form, tone color and tonality. In addition, compositions contain explicit or implicit characters and styles of composers. To mimic a composer’s work is another thorny issue to be considered.

VI. CONCLUSIONS

This study proposes an evolutionary composition system using GA and pattern mining. The sequential pattern mining is adopted to explore the composer’s style and character from his/her works. The patterns serve as the basis for chromosome representation. By this way, the style is considered in the evolutionary composition. In addition, a novel fitness function based on music theory is proposed to smooth the connection between phrases for the evolutionary composition system.

نمونه چکیده ترجمه متن فارسی
چکیده

هوش مصنوعی (AI) کاربرد های گسترده ای در بسیاری از زمینه ها و رشته های جدید مانند خلاقیت و ابتکار محاسباتی و رایانشی داشته است. اخیرا، تحقیق در مورد ترکیب بندی خودکار با استفاده از تکنولوژی AI به ویژه الگوریتم های تکاملی موجب ارائه نتایج بسیار مناسبی شده است. به طور معمول کروموزوم ها به صورت مجموعه ای از اعداد جهت نشان دادن نوت ها برای ترکیب بندی تکاملی نشان داده می شوند. این تحقیق در تلاش است تا به بررسی سبک های ترکیب بندی با کاوش الگو های موسیقیایی یک آهنگ ساز بپردازد. این الگو ها به عنوان ژن ها برای نمایش کروموزوم ها مورد استفاده قرار می گیرند. بر این اساس، سبک های ترکیب بندی شعر در تولید موسیقی به وسیله الگوریتم های تکاملی در نظر گرفته می شوند. تابع برازشی مبتنی بر نظریه موسیقی جهت کنترل و یکنواخت کردن پیش روی بین عبارات به کار گرفته می شود. نتایج آزمایشگاهی نشان می دهند که الگو های کاوش شده از ترکیبات می توانند نشان دهنده سبک آهنگ ساز بوده و موجب تولید آهنگ هایی مناسب به وسیله الگوریتم های تکاملی گردد.

I. مقدمه

هوش محاسباتی و تکنولوژی های هوش مصنوعی به صورت گسترده در بسیاری از حوزه ها مانند موسیقی، هنر، ادبیات و طراحی مهندسی به کار گرفته شده اند. ترکیب بندی موسیقی با استفاده از هوش مصنوعی موجب جلب توجهات زیادی شده است، زیرا موسیقی نقش مهمی را در زندگی انسان ایفا می کند. با این حال، ترکیب بندی موسیقی نقش مهمی را در زندگی انسان ایفا می کند. با این حال، ترکیب بندی موسیقی بسیار دشوار می باشد، زیرا بایستی المان های زیادی را در مورد لطافت، ریتم، ملودی، بافت، فرم موسیقیایی، سبک و نوع آهنگ و مایه آن در نظر گرفت. علاوه بر این، ترکیب بندی ها حاوی کاراکتر ها و سبک های صریح یا ضمنی آهنگ سازان می باشد. همچنین تقلید از یک اثر آهنگ ساز، معضل دیگری است که باید در نظر گرفته شود.

6 نتیجه گیری

این تحقیق، یک سیستم ترکیب بندی تکاملی را با استفاده از GA و کاوش الگو پیشنهاد می کند. کاوش الگو به صورت پی در پی جهت بررسی سبک آهنگ ساز و کاراکتر از کارهای او پذیرفته می شود. این الگو ها به عنوان مبنایی برای نمایش کروموزومی محسوب می شوند. بدین ترتیب، سبک در ترکیب بندی تکاملی در نظر گرفته می شود. علاوه براین، یک تابع برازش جدید نیز بر اساس تئوری موسیقی جهت تعدیل رابطه بین عبارات برای سیستم ترکیب بندی تکاملی پیشنهاد شده است.


بدون دیدگاه