Towards an Accessible and Rapidly Trainable Rhythm Sequencer Using a Generative Stacked Autoencoder

神经网络和深度学习通常被用于实现最全面的音乐生成，尽可能减少人类音乐家的介入。然而，为音乐从业者提供帮助或成为工具的实现很少。本文提出了将生成式堆叠自编码器结构用于节奏生成，嵌入传统的旋律步序器中。它还旨在努力使其实现对普通电子音乐从业者可访问。已经训练和测试了几种模型架构以评估其创造潜力。虽然目前的实现存在局限性，但它们确实代表了音乐从业者的可行创意解决方案。

将生成堆叠自编码器结构与传统旋律步进器相结合，以提供一种音乐生成工具，为电子音乐从业者提供帮助。

将生成堆叠自编码器用于节奏生成，并将其集成到传统的旋律步进器中，以提供一种易于使用的音乐生成工具。

实验使用了多种模型结构进行训练和测试，虽然存在一些限制，但这些模型仍然是电子音乐从业者的可行创意解决方案。

最近的相关研究包括“Music Generation with Deep Learning”和“Neural Network Based Music Generation for Pop Music”。