基于神经科学与心理学的模式条件音乐学习与创作：脉冲神经网络

音乐模式是建立音程组织框架并决定和声关系的最关键元素。以往研究常采用简单且僵化的对齐方法，忽视了模式的多样性。然而，与人工智能模型相比，人类拥有感知各种模式和调性的认知机制。本文提出一种受神经科学和心理学理论启发的脉冲神经网络，用于表示音乐模式和调性，最终生成包含音性特征的音乐作品。具体地，本文的贡献包括：1) 模型设计为受相应脑区结构和功能启发的多个协作子系统；2) 引入神经电路演化学习机制，使网络能够学习和生成与音乐相关的模式特征，反映人类音乐感知中的认知过程；3) 结果表明，所提出的模型显示出与 Krumhansl-Schmuckler 模型非常相似的连接框架，而该模型是音乐心理学领域最重要的关键感知模型之一；4) 实验表明，模型能够生成具有给定模式和调性特征的音乐作品。此外，对所生成音乐作品的量化评估显示，生成的音乐作品既具备音性特征，又具备产生多样和音乐内容所需的旋律可适应性。通过将神经科学、心理学和音乐理论的见解与先进的神经网络架构相结合，本研究旨在创建一种不仅学习和生成音乐，还能在人类认知与人工智能之间搭建桥梁的系统。