{"created":"2025-01-19T01:15:43.693380+00:00","updated":"2025-01-19T16:23:53.933600+00:00","metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00214938","sets":["6504:10735:10808"]},"path":["10808"],"owner":"44499","recid":"214938","title":["LSTMを用いたリカレントニューラルネットワークによる自動作曲"],"pubdate":{"attribute_name":"公開日","attribute_value":"2021-03-04"},"_buckets":{"deposit":"fecd1293-8d84-4740-bcb5-12949aec28e2"},"_deposit":{"id":"214938","pid":{"type":"depid","value":"214938","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"LSTMを用いたリカレントニューラルネットワークによる自動作曲","author_link":["553174","553175"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"LSTMを用いたリカレントニューラルネットワークによる自動作曲"}]},"item_keyword":{"attribute_name":"キーワード","attribute_value_mlt":[{"subitem_subject":"人工知能と認知科学","subitem_subject_scheme":"Other"}]},"item_type_id":"22","publish_date":"2021-03-04","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_22_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"東京工科大"},{"subitem_text_value":"東京工科大"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/214938/files/IPSJ-Z83-2P-08.pdf","label":"IPSJ-Z83-2P-08.pdf"},"date":[{"dateType":"Available","dateValue":"2021-12-28"}],"format":"application/pdf","filename":"IPSJ-Z83-2P-08.pdf","filesize":[{"value":"189.5 kB"}],"mimetype":"application/pdf","accessrole":"open_date","version_id":"02f41b9d-78cd-4474-b647-c3740c82fc1f","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2021 by the Information Processing Society of Japan"}]},"item_22_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"小山, 凌平"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"長名, 優子"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_22_source_id_9":{"attribute_name":"書誌レコードID","attribute_value_mlt":[{"subitem_source_identifier":"AN00349328","subitem_source_identifier_type":"NCID"}]},"item_22_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"近年、ニューラルネットワークを用いて自動作曲を行おうとする試みが多く行われている。そのような手法の1つとしてリカレントニューラネットワークを用いた自動作曲が提案されている。この手法では、LSTMを用いたリカレントニューラルネットワークを用いて、既存の曲の音の高さの遷移の特徴を学習し、それを利用して曲の生成を行っているが、それぞれのデータが小節内のどの位置のものであるかが考慮されていないため、拍を考慮することができていない、音高を決定する際に調などが考慮されていないといった問題もある。本研究では、これらの問題点を考慮したLSTMを用いたリカレントニューラルネットワークによる自動作曲を提案する。音高が同じ音が連続する場合と1つの音が続いている場合が区別できないという問題に対しては、音が継続しているのか、新たに始まったのかという情報を音形に追加することで解決する。また、小節内での位置の情報に関してもリカレントニューラルネットワークへの入力として用いることで拍を考慮できるようにする。音高に関してもリカレントニューラルネットワークの出力として音形と同時に出力することで決定し、学習曲の調を移調して調を揃えて扱うようにすることで調が考慮されていないという問題も解決する。","subitem_description_type":"Other"}]},"item_22_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"270","bibliographic_titles":[{"bibliographic_title":"第83回全国大会講演論文集"}],"bibliographicPageStart":"269","bibliographicIssueDates":{"bibliographicIssueDate":"2021-03-04","bibliographicIssueDateType":"Issued"},"bibliographicIssueNumber":"1","bibliographicVolumeNumber":"2021"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":214938,"links":{}}