计算机自动作曲中长期依赖关系的可视化研究
本次项目的主要研究内容，总的来说，就是实现计算机自动作曲中长期依赖关系的可视化。诸如Bachbot，Google Magenta等计算机自动作曲工作多使用循环神经网络（RNN）方法。该方法主要将不同时间的参量变化状态进行联系。然而，目前鲜有研究对于RNN网络的工作原理进行研究，即RNN网络如何将原始数据中时序时间间的关系进行表示还未有合理的解决方案。
本次项目需要填补这一理论与技术上的空白。这就需要利用已有的基于RNN网络的计算机自动作曲系统，并寻找RNN网络的关键参数（比如隐藏层输入权重，隐藏层的各个神经元的激活状态）进行分析并加以可视化。在此基础上，我们就可以在音乐要素之间的联系（比方说相邻两个音符之间转移的规律）与神经网络中各种参数以及它们的变化及相互关系之间，去探索，建立一种映射关系。
