通过整合多个 RNN 模型，本研究提出了一个系统，旨在协同人类进行音乐创作，使创作过程更具多样性，通过根据反馈动态调整用户创意意图，系统增强了生成符合用户偏好和创意需求的旋律的能力，通过对具有不同背景的作曲家的实验验证了系统的有效性，进一步完善了音乐创作的可能性，突显了作曲家与人工智能的互动在使音乐创作更加个性化和易于接触方面的重要性，这个系统代表了将人工智能整合到创作过程中的一步，提供了一个新的音乐创作支持和协同艺术探索的工具。

Mar, 2024

本文简要分析了 Musical Metacreation 的演变过程，并指出了其中遇到的创新难题。最后，本文认为算法的混合可以是未来研究的有用方向。

Aug, 2022

本文提出了一套设计原则，旨在支持计算创造性系统与人类创造合作者更好地协作、创作并学习，包括提供双向沟通渠道，解释其创作过程和决策，支持想法，并从讨论中进一步改进其创作过程。

May, 2022

本文对智能音乐生成技术进行了综合调查和分析，提出了关键讨论，明确了各自的特点，并通过表格进行了总结。我们首先介绍了如何将音乐作为信息流进行编码和相关数据集，然后比较了不同类型的生成算法，总结了它们的优点和缺点，并讨论了现有的评估方法。最后，研究了人工智能在音乐创作方面的发展，特别是比较了东西方音乐生成技术的不同特点并分析了该领域的发展前景。

Nov, 2022

提出一种基于条件互信息的信息流定义方法，通过算法在计算系统的时间展开图中检测信息流，并满足信息路径存在的可靠属性。

Feb, 2019

我们通过统计特性数据推导出了信息流速率与自相关函数的解析特性和特征时间之间的关系，从而阐明了采样步长、交叉相关强度和时间延迟对信息流速率的影响。我们通过数值模拟支持了理论结果。

Jan, 2024

本文通过 Tigramite 方法重构多变量因果网络，开发了不同意义信息传递强度的新型度量，同时量化了由因果路径上的不同中间过程对交互机制的影响程度来确定因果信息传递的路径，并在气候学实例中进行了演示。

Aug, 2015

近年来，机器学习，特别是生成对抗神经网络（GANs）和基于注意力的神经网络（transformers），已成功用于作曲和生成音乐，包括旋律和多声部作品。然而，现有研究主要集中在风格复制和转换的问题上，并未涉及到人机共同创作和评估。本文综述了音乐表征、特征分析、启发式算法、统计和参数建模，人类和自动化评估措施，并讨论了哪种方法和模型最适合于实时互动。

Feb, 2024

本文提出了基于 LSTM 递归神经网络的直接演奏音乐生成方法，同时预测音符的表现力、时间和动态变化，取得了良好的主观效果，并得到了专业作曲家和音乐家的反馈。

Aug, 2018

本研究提出一种信息论度量方法对时间演化系统间的统计相关性进行量化，通过迁移概率的适当条件化排除共同历史和输入信号对信息交换的影响，从而得到的传输熵可以区分驱动和响应元件，并检测子系统间的不对称性。

Jan, 2000