- 综合排序
- 最热优先
- 最新优先
- 来自专栏ATYUN订阅号
AI“贝多芬”诞生了？
音乐是艺术，音乐也是一门生意。如今，音乐这门生意越发引起商业巨头的关注。曾经，各音乐平台比的是曲目数量，艺人进驻数量，后来则更看重独家版权。现在，以深度神经网络为代表的AI技术逐渐逼近落地，放眼全球，音乐平台的AI大战一触即发。
92130发布于 2019-10-15 - 来自专栏Hank’s Blog
4-2 R语言函数 apply
#apply函数，沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似，但只用一句话可以完成 #apply(参数)：apply(数组,维度,函数/函数名) > x <- matrix(1:16,4,4) > x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16 >
70510发布于 2020-09-16 - 来自专栏Java
试题 算法训练 4-2找公倍数
试题 算法训练 4-2找公倍数 资源限制 内存限制：256.0MB C/C++时间限制：1.0s Java时间限制：3.0s Python时间限制：5.0s 问题描述 这里写问题描述。
24410编辑于 2025-01-21 - 来自专栏趣学算法
数据结构 第4-2讲 双向链表
数据结构第4-2讲双向链表 链表是线性表的链式存储方式，逻辑上相邻的数据在计算机内的存储位置不一定相邻，那么怎么表示逻辑上的相邻关系呢？ 可以给每个元素附加一个指针域，指向下一个元素的存储位置。
95140发布于 2018-09-13 - 来自专栏sringboot
x86汇编加载用户程序-4-2
索引寄存器的端口号是 0x3d4，可以向它写入一个值，用来指定内部的某个寄存器。比如， 两个 8 位的光标寄存器，其索引值分别是 14（0x0e）和 15（0x0f），分别用于提供光标位置的高 8 位和低 8 位。 指定了寄存器之后，要对它进行读写，这可以通过数据端口 0x3d5 来进行。 高八位 和第八位里保存这光标的位置，显卡文本模式显示标准是25x80，这样算来，当光标在屏幕右下角时，该值为 25×80－1=1999
99430编辑于 2021-12-06 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-2：LM模型+数值协变量
上一篇，我们介绍了数量性状进行GWAS的一般线性模型分析的方法（笔记 | GWAS 操作流程4：LM模型assoc），这里我们考虑一下数字协变量，然后用R语言进行对比。
1.5K20发布于 2020-05-26 - 来自专栏新智元
AI续写贝多芬未竟的《第十交响曲》
当管弦乐团指挥Guillaume Berney挥下开场的第一个强拍时，瑞士洛桑音乐厅里响起的第一个和弦可能来自于贝多芬没有完成的《第十交响曲》。 一般认为，现存的贝多芬《第十交响曲》底稿只有第一乐章的大部分，其后的部分则缺失。 “音乐中有一点贝多芬的味道，但实际上，作曲者不是贝多芬，而是BeethovANN。这很新奇。” 指挥Berney表示同意。 他首先将贝多芬大师的16首弦乐四重奏输入电脑，室内乐作品提供了贝多芬和声和旋律结构的非常清晰的感觉。 然后，他要求算法围绕贝多芬第十交响曲第一乐章的残存音符中发现的一个主题片段创作一首乐曲。 “这根本不是亵渎，”Berney表示赞同，并强调“没有人试图取代贝多芬。”他说，事实上，这位德国作曲家很可能是该算法的粉丝。
94220发布于 2021-09-17 - 来自专栏cwl_Java
C++编程之美-数学之趣(代码清单4-2)
代码清单4-2 struct point { double x, y; }; double Product(point A, point B, point C) { return
33030编辑于 2022-11-30 - 来自专栏Android点滴积累
IOS Widget（4-2）：创建可配置小组件（动态修改配置数据）
上一篇文章，讲解了如果通过配置修改小组件行为，只不过配置数据是写死的，本文将继续探索配置数据的高级用法，配置数据在小组件中动态创建的
4.2K11发布于 2021-05-10 - 来自专栏历史专栏
【愚公系列】2021年12月 攻防世界-进阶题-MISC-072(4-2)
文章目录 一、4-2 二、答题步骤 1.词频分析 总结 一、4-2 题目链接：https://adworld.xctf.org.cn/task/task_list?
62120编辑于 2021-12-09 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-2 scikit-learn中的机器学习算法封装
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现KNN算法。
1.1K00发布于 2019-11-13 - 来自专栏新智元
秒变莫扎特、贝多芬，Facebook提出完美转换音乐风格的神经网络
AI需要一个输入，比如将一首交响乐团演奏的巴赫作为输入 ，然后将其转换为其他风格，例如，贝多芬风格的钢琴演奏的同一首曲子。
85240发布于 2018-05-28 - 来自专栏HyperAI超神经
人工智能续写贝多芬生前未完成的《第十交响曲》【智能快讯】
新奇 人工智能续写贝多芬生前未完成的《第十交响曲》 2020 年将是世界著名音乐家贝多芬诞辰 250 周年。为了向其表达敬意，一个国际团队将利用人工智能（AI）续写贝多芬生前未完成的《第十交响曲》。 研究人员将从贝多芬在 1827 年去世前写在笔记本上的几段乐章开始，结合人工智能软件来完成交响乐剩余的部分。目前，该人工智能软件已经储存了贝多芬生前所有的作品。 ? 贝多芬从小接受音乐训练，其父以莫扎特为其榜样，要求十分严格。贝多芬在 8 岁时就能在科隆登台演出，11 岁就在剧院乐队演出，13 岁就成为风琴师，并发表了 3 首奏鸣曲。 贝多芬《第九交响曲》手稿 1823 年底，贝多芬完成了《第九交响曲》。在此之后，他就开始构思创作《第十交响曲》。 之后，有两篇关于贝多芬 《第十交响曲》的论文发表了，一篇是布赖登勒的，另一篇是贝多芬手稿研究专家巴里·库珀(Barry Cooper)的。
90320发布于 2019-12-25 - 来自专栏以终为始
顺序表应用4-2：元素位置互换之逆置算法(数据改进）（SDUT 3663）
一个长度为len(1<=len<=1000000)的顺序表，数据元素的类型为整型，将该表分成两半，前一半有m个元素，后一半有len-m个元素（1<=m<=len)，设计一个时间复杂度为O(N)、空间复杂度为O(1)的算法，改变原来的顺序表，把顺序表中原来在前的m个元素放到表的后段，后len-m个元素放到表的前段。 注意：交换操作会有多次，每次交换都是在上次交换完成后的顺序表中进行。
43810编辑于 2023-03-09 - 来自专栏音乐与健康
病人们，音乐是你们的生命解药吗 | 音乐传奇故事
在这个冬天，音乐是不怎么顶用的奢侈品，当你因为高烧而辗转难眠，把贝多芬播放一万遍也不能好起来，能真正治愈你的是布洛芬。同样的道理也适用于这些音乐家。 《艾格蒙特》是贝多芬写给歌德戏剧的曲子，剧本讲述了一个英雄的牺牲。这是贝多芬英雄风格的最后一部作品。歌德要求在艾格蒙特被处死的结尾处，写一首《胜利交响曲》。 所有声音汇聚在一起的时候，响彻音乐厅的是小泽征尔的诠释，贝多芬的信念在音乐里再次复活，英雄回来了。 黄永玉喜欢听着贝多芬画画，医生开的医嘱要求「静养」，但他耳朵不好，听音乐要把声音旋钮旋到最大，鼓声响起来的时候花瓶里的水都震出了波纹，贝多芬的交响乐响起来，黄永玉就要画画了。 只要重新听到贝多芬的交响曲，黄永玉还会继续画画。这个周日，坂本龙一就会回到他的钢琴前，琴槌落下的那一刻，音乐又要开始了。
18110编辑于 2026-05-27 结构归纳偏置在多声部音乐生成中的数学基础与实证研究
本文将从贝多芬奏鸣曲的各种复杂性出发，探讨属性独立性的统计学证据，并结合信息论、统计学习理论（Rademacher复杂度）及范畴论，对该架构的泛化能力进行严谨的数学论证。 贝多芬的钢琴奏鸣曲因其复杂的层级结构和左右手之间既独立又交织的复调特性，成为了检验AI生成能力的终极试金石。 为了构建能够通过图灵测试的音乐生成系统，研究者并未直接诉诸更大的模型参数，而是首先对贝多芬32首钢琴奏鸣曲中的156个核心主题进行了微观层面的统计解剖。 特别是在乐句的一致性方面，模型成功跨越了“中间层”，生成了具有贝多芬式逻辑的完整乐段。 贝多芬的音乐不仅是艺术的瑰宝，在这一刻，它也成为了开启下一代人工智能数学基础的钥匙。
25710编辑于 2026-01-25- 来自专栏Y5neKO博客
Writeup-2020安洵杯-Misc题：一封情书
经观察为Base64，注意中间的反斜杠是误导，删除后Base64解码得到： 97-3 1-3 1-3 3-2 3-2 3-2 1-2 1-5 1-2 1-3 3-2 97-3 3-2 94-1 1-5 4- 2 4-2 4-2 4-2 97-3 1-3 3-2 4-2 1-5 3-2 4-2 3-2 3-2 3-2 4-2 97-3 3-2 1-5 1-5 3-2 1-3 4-2 4-2 1-2 3-2 1 -3 4-2 4-2 4-2 3-2 94-1 1-3 1-3 1-3 3-2 3-2 1-3 94-1 1-3 94-1 4-2 3-2 1-2 97-3 97-3 1-3 通过上面的坐标提取二维码上的色块值为
55410编辑于 2022-01-13 - 来自专栏ATYUN订阅号
Facebook开发深度学习系统，如同大师一样玩音乐
Facebook的研究人员开发了一种深度学习系统，可以复制它听到的音乐，将其回放，就好像它是莫扎特，贝多芬或巴赫一样。这是研究人员首次在乐器，风格和流派之间制作高保真音乐转换。 GPU和cuDNN -accelerated PyTorch深度学习框架，六类古典音乐领域训练系统，其中包括：莫扎特的46部交响曲，海顿的27个弦乐四重奏，JS巴赫的清唱剧为乐队，巴赫的管风琴作品，贝多芬的
56950发布于 2018-07-27 - 来自专栏DeepHub IMBA
扩散模型的极简介绍
而DALL-E可以为文本提示生成图像，如“爱因斯坦打扮成贝多芬”。 而先验模型是一种能够从噪声中生成图像的扩散模型。然而在扩散模型中，我们无法控制模型产生的图像类型。 对于“爱因斯坦打扮成贝多芬”这种文本标题，需要爱因斯坦和贝多芬的图像。因此使用CLIP生成图像，图像的特征被增强为噪声样本，然后传递到先验模型。
1.3K30编辑于 2022-11-11 德州扑克 Outs 和 4-2 法则到底准不准？用代码把听牌概率算到小数点后两位
本文用代码把真实概率精确算出来，和4-2法则逐项对比，告诉你这条经验公式在什么情况下够用、什么情况下会高估，误差到底有多大。 4-2法则是好用的近似，但outs多时会高估4-2法则在outs较少时误差很小（一两个百分点内），但outs越多越偏高，到15outs时会高估好几个点。原因后面用公式说清楚。 三、为什么outs多时不能信4-2法则4-2法则本质是一阶近似，忽略了二阶的"重叠修正项"，outs占比越高，被忽略的项越大。 直观理解：把命中概率想成两次抽牌，4-2法则按"互不影响"相加，但实际上第一张抽走后，分母和分子都变了。 4-2法则是这条公式的口算近似：8~9outs内够准，15outs时高估近6个点。另外牌型outs不等于胜负outs，胜率要另算。
17510编辑于 2026-06-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号