Machine learning 我应该使用哪种类型的神经网络？_Machine Learning_Neural Network_Deep Learning_Lstm_Recurrent Neural Network

Machine learning 我应该使用哪种类型的神经网络？

machine-learning neural-network deep-learning

Machine learning 我应该使用哪种类型的神经网络？,machine-learning,neural-network,deep-learning,lstm,recurrent-neural-network,Machine Learning,Neural Network,Deep Learning,Lstm,Recurrent Neural Network,我正在开始一个项目，我使用神经网络来生成音乐。我想知道什么样的网络，我应该考虑，考虑到我的样本规格。这就是我的工作我正在训练的音乐是按照任天堂经典音效芯片的指令播放的。所以，很明显，我的训练集采用相同的格式。下面是一行说明的内容：第00行：E-100 F P80 V00…：B-0 00 F P80 V00…：D-500。P80:1-#00 F V00 我基本上可以将其解析为与所使用的某些乐器的音高和音量相对应的值。也就是说，我们可以将其更改为类似于 [16,15,11,15,90,1,15]

我正在开始一个项目，我使用神经网络来生成音乐。我想知道什么样的网络，我应该考虑，考虑到我的样本规格。这就是我的工作

我正在训练的音乐是按照任天堂经典音效芯片的指令播放的。所以，很明显，我的训练集采用相同的格式。下面是一行说明的内容：

第00行：E-100 F P80 V00…：B-0 00 F P80 V00…：D-500。P80:1-#00 F V00

我基本上可以将其解析为与所使用的某些乐器的音高和音量相对应的值。也就是说，我们可以将其更改为类似于

[16,15,11,15,90,1,15]

或者别的什么，只是停车场。无论如何，这些指令以相当快的速度输入到soundchip仿真器中（比如3个音阶的256）。因此，整个乐曲可以表示为一个长的二维数组

在我读到的内容中，LSTM是一种非常流行的音乐生成策略，但我想知道我是否可以做一些事情，比如在代表整首歌曲的二维阵列上最小化损失？由于每首歌曲发送的指令太多，使用LSTM合理吗？我是否应该从训练完整的歌曲改为一次做一些措施

我还想从头开始做这个项目，不使用库。我希望它是困难的，忠实于做现实的神经网络创建，但我不希望它是疯狂的困难。谢谢如果你有任何关于如何处理这类事情的资源，请告诉我

我建议使用递归神经网络（或LSTM）解决这个问题，因为它是最合适的选择。与其把整首歌都传进去，不如把你的输入标记成一定长度的序列，这样训练起来会更有效

以下是我在该主题上找到的一些有用的资源：

我曾在一个与音乐生成相关的项目上工作过一段时间，因此有一些想法：

RNN确实是预测音乐的最好方法

我试图通过原始滴答声来检测批次（但您需要了解如何从一个滴答声切换到另一个滴答声）

我在网上又发现了一个想法，并与之合作：我拆分音符序列（间隙）和长度

前面答案中的链接是一个好的开始

如果你不想让它变得异常困难：把你的数组分成音符间隔和长度；分批；为间隙和长度添加2个RNN层；训练你的数据。有时，模型可以叠加并消除间隙（预测一个音符），但在这里，数据清理可能会有所帮助

祝你一切顺利