1. 研究目的与意义（文献综述）

目的：由人工智能独立谱写指定风格的曲子，创作出与指定曲风类似并且独特的曲目。例如，使计算机学习贝多芬的曲目风格，利用贝多芬的曲目训练神经网络，通过训练之后使其可以自行创作出非常类似贝多芬风格的曲目。

意义：深度学习算法可以使机器“自己学会世界上的一些概念”，也就是机器将具备一定的人类般的学习和思考能力。人类自身的学习能力可以帮助我们自行认识世界，而当机器当过模拟人脑具备了这一能力之后，就可以在一定程度上取代我们部分脑力工作。就像在工业革命和电力革命的影响力，我们自身从体力劳动中解放出来一样，在深度学习所带来的人工智能革命下，我们同样可以将脑力工作外包给机器。机器，通过人类给予的数据进行训练，能够展示接近真实艺术的性格。那么，机器是否可以创作出令人们惊叹的音乐作品呢？如果可以，对于我们而言这些音乐作品同样可以给我们带来听觉的享受。

国内外现状：2016年3月alphago与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜，其主要原理就是深度学习，从此深度学习进入大家的视野中。在如今这个时代，已经有很多深度机器学习系统能够很深入地理解各种各样不同的内容，比如，这些基于深度学习开发出来的不可思议的应用程序：提高图片像素，模仿人声阅读，训练机器人直立行走、盲人看照片、实时翻译、自动驾驶等。 在音乐领域，约翰·塞巴斯蒂安·巴赫（johann sebastian bach）被广泛视为巴洛克音乐最伟大的作曲家之一。总部位于巴黎的索尼计算机科学实验室的研究人员盖唐·哈杰里斯（gaetan hadjeres）与弗朗索瓦·帕切特（francois pachet）研究了机器是否能够创造出巴赫风格的曲目。哈杰里斯与帕切特开发出一种神经网络，可以学习如何创作巴赫风格的复调圣歌。他们说：“在利用巴赫的曲调进行训练后，我们的模型可以谱写出非常类似巴赫风格的曲目。”这些曲目甚至可误导人类专家，让他们以为真的是巴赫创作的。

2. 研究的基本内容与方案

基本内容及目标：

搭建虚拟linux系统，熟悉ubuntu系统的基本命令操作。深刻理解构建神经网络以及深度学习的基础原理，构建合适层数的神经网络，并且对神经网络进行误差优化，使之损失值尽可能小。计算机音乐软件系统对神经网络进行深度学习的训练。最终达到可以自己谱写曲目的目的。

3. 研究计划与安排

1.一个月之内安装好所需要的系统，软件以及各种框架和工具包，学习python语言以及各种框架、库的使用，查找设计所需要的资料文献，保证之后进度的开展。

2.4月份之前构建好神经网络，系统的雏形。

3.5月份之前训练计算机深度学习，系统界面的设计以及优化。

4. 参考文献（12篇以上）

[1]刘臻.从音乐素材来源看计算机作曲与传统作曲的异同[j]. 音乐探索.

[2]刘涧泉.第三种作曲方式—论计算机音乐创作的新思维[j]. 中国音乐.2006

[3] 顾乃杰,赵增,吕亚飞,张致江.基于多 gpu 的深度神经网络训练算法[j]. 小型微型计算机系统.2015