14、CTRNNs在Plecto中的应用

CTRNNs在Plecto中的应用

1. 引言

许多音乐家已经开始探索遗传算法（GAs）的创造潜力，他们试图利用自然界中明显存在的创造性搜索的无限可能性。具体来说，他们希望通过编写遗传算法来生成音乐，这些GAs是高度抽象的生物模型，试图利用自然界中明显的创造性搜索的无限可能性。然而，当将这一原则应用于数字音频世界时，这些系统的创造者面临着许多设计挑战，例如如何在系统中表示音频。本文将探讨如何使用连续时间递归神经网络（CTRNNs）作为可进化的低级音频合成结构，为用户提供一个巨大的音频可能性的创造性搜索空间。

2. CTRNNs简介

CTRNNs是一种能够展示复杂时序行为的简单非线性连续动态模型，能够近似任何平滑动态系统的轨迹。因此，它们非常适合产生音频输出，因为各种配置产生的平滑振荡类似于音频波形。CTRNNs与前述的进化VSTis和其他合成架构的音频引擎示例非常不同，因为它们的亚符号性质缓解了正式化的高级音频结构的限制性设计因素。CTRNNs是一个由计算机模拟的神经元互连网络，通常是一种称为漏电积分器类型的神经元。对于这项研究，我们采用了一个完全连接的CTRNN，意味着隐藏层中的神经元都是相互连接的（包括自连接），并且输入层有一整套连接到隐藏层的连接。

CTRNN的基本结构

参数	描述
增益	控制神经元的敏感度
偏差	控制神经元的默认激活水平