专门的人工智能可以帮助在线音乐学习者理解音乐符号
《国际无线和移动计算杂志》上发表的一篇论文描述了通过开发能够识别乐谱的人工智能工具向改进在线音乐教育迈出的一步。中国陕西商洛学院艺术学院张婷的研究解决了数字音乐教学中长期存在的问题，即由于平台限制，识别和解释乐谱的能力往往不足。
研究展示了图像处理和机器学习如何帮助在线学习者，使他们能够更丰富、更准确地掌握音乐概念。
张教授开发了脉冲耦合神经网络 (PCNN)，这是一种人工神经网络，其灵感来自生物神经元的工作方式，生物神经元会对某些刺激作出反应。传统上，在线音乐教育依赖于简化的乐谱数字表示，学生在尝试理解符号和音乐结构的复杂性时得不到关键指导。
例如，PCNN 模型专注于改进乐谱图像中音乐符号的数字分割。通过在系统中加入倾斜光谱校正，Zhang 能够将图像分解为片段，以精确区分符号。这样，即使是扭曲的乐谱表示也可以得到准确分析，同时考虑到倾斜的符号或错位。
使用优化的卷积神经网络（CNN）执行图像识别任务使系统高效、准确，成功率高达 97%。
对于学生来说，即使没有导师可以讨论，增强的乐谱识别系统也可以实时为他们提供反馈。该系统模拟面对面教学，通常可以即时获得反馈。研究人员发现，学生对音调和节奏的理解以及对基础音乐理论概念的掌握都有显著提高。
页:
[1]