《MusicAOG：基于与或图的符号音乐表示法的能量模型，及其学习与采样》

报告摘要：

　　针对人工音乐智能的可解释性和泛化性的挑战，本论文引入了一种新颖的符号表示，该表示融合了不同粒度上的显式和隐式音乐信息。通过使用有层次的与或图表示，该模型使用节点和边来封装符号音乐元素，包括结曲式、织体、节奏与和声等。这种分层方法扩展了音乐在各种尺度上的可表示性。通过大小熵原理，该表示所表示的音乐概念可以被可学习的能量模型描述。结合Metropolis-Hastings采样技术，该模型能够对音乐生成进行精细控制。通过与现有方法的比较，该模型在可解释性和可控性方面表现出显著的进步。同时，这项研究对音乐分析、作曲和计算音乐学领域也提供了一定的启示。