基于RBF径向基网络的演唱评价模型研究

袁剑

（西安音乐学院计算机教研室西安710061）

针对演唱评分方法易受到主观因素的影响，提出采用广义回归RBF神经网络模拟评委进行稳定打分并分析网络结构在声乐评价中的优势，对声乐艺术评价建立评价指。将定性评价转换为定量成绩向量输入神经网络生成评分。用单声部民族唱法进行实验，将输出结果与预期分值进行比对。结果表明，该模型能有效降低人为因素的干扰，模拟专家进行稳定打分。

RBF径向基函数网络；广义回归神经网络；演唱；评价模型

Class NumberTP183

1 引言

声乐表演是一门艺术，它要求演唱者以技巧、艺术素养做出个性化的演绎。通常对演唱效果的评价以去掉最高值与最低值后求平均，此评价方法带有不少主观因素。传统声乐评价本身是一种评委的主观感受，评委评价标准有所差异，即使是同一评委也有因人而异的可能［1］。传统的评价方法未说明评价指标与结果之间的关系。声乐艺术的评价应用非线性方法构建评价指标与演唱效果之间的关系和评价体系。人工神经网络是一种能够对自然界功能函数逼近的信息处理系统，在声乐艺术评价中使用神经网络更能体现指标与效果之间的非线性关系，评价结果更加客观合理。目前，声乐评价中使用较多的是BP神经网络，BP神经网络可以实现输入和输出间的任意线性或非线性的函数映射［2］。然而，BP网络是一种全局逼近网络，训练速度很慢且容易陷入局部极小值，需经过反复试凑和训练，无法保证每次训练BP算法的收敛性和全局最优性，并且BP神经网络缺乏简单有效的参数确定方法，因此算法不稳定，不适合实时性要求高的场合。……