原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于混合判别受限波兹曼机的音乐自动标注算法-华东理工大学学报
华东理工大学学报 自然科学版
文章编号
基于混合判别受限波兹曼机的音乐自动标注算法
王诗俊 陈 宁
华东理工大学信息科学与工程学院上海
摘要对于音乐自动标注任务在很多情况下未标注的歌曲量远远超过已标注的歌曲数据
从而导致训练结果不理想生成模型能够在某种程度上适应少量数据集的情况得出较为满意的
结果然而在有充分数据集的情况下生成模型的效果却劣于判别模型本文提出了一种结合生
成模型与判别模型两者优势的面向音乐自动标注的混合判别波兹曼机模型该模型可明显提升音
乐自动标注的准确率实验结果表明混合波兹曼机的效果不仅好于传统的机器学习模型同时
模型在拥有足够训练数据量的情况下与判别模型效果相当且在训练集较少的情况下效果也好于
判别模型另外为了防止模型过拟合还引入了 规则化方法以进一步加强模型的性能
关键词音乐自动标注混合判别受限波兹曼机机器学习人工智能
中图分类号 文献标志码
文档评论（0）