好的 - 我一直在使用python中的神经网络，我已经制作了一些前馈的和一些经常性的。我知道他们是如何在一个非常基本的水平上工作的。
有时我会看到那些使用神经网络来生成文本之类的东西，例如;他们声称已经训练了几千段，然后它会写一个新的段落。我最近读了一篇关于神经网络的文章，该网络分析了数千种字体，然后创建了自己的字体。
这就是问题 - 到目前为止我所做的所有神经网络都采用了输入和输出的数据集。我正在阅读的这些神经网络看起来好像不接受输入，他们只是查看某些事物的实例，然后创建一个新实例（就像它们只处理输出一样）。
我错过了什么吗？这些神经网络我正在阅读不同类型的神经网络吗？假设我有一堆神经网络可以处理的旋律（非常短的MIDI文件）。我需要使用什么类型的网络来训练这组旋律并让它产生新的旋律？
答案 0 :(得分：3)
到目前为止，您所做的可能就是所谓的分类;您现在要看的是预测和回归。
您仍然以同样的方式训练您的网络。 一旦经过训练，你仍然可以输入一个输入，但不是获得一个类别（来自分类），而是预测系列中的下一步可能是什么。例如。一系列笔记。 您仍然需要输入它来输入。但我想这可能是随机的，半随机的，甚至可能是生成的笔记。
这是一篇关于神经网络预测的简短教程： http://www.obitko.com/tutorials/neural-network-prediction/
然后，查看您已经使用的编程库，并查找预测或回归方法。
答案 1 :(得分：2)
实际上，这些是神经网络，对于您的示例应用程序（音乐生成），您可以轻松使用RNN的回归神经网络（RNN）或最强大的版本（如LSTM）。
以下是一篇非常好的文章，我希望它能帮助您了解如何构建这些生成模型。
The Unreasonable Effectiveness of Recurrent Neural Networks
事实上，人们已经使用RNN完成了音乐世代，并且遵循GitHub位置就是其中一个例子。
Biaxial Recurrent Neural Network for Music Composition
如果您想深入了解神经网络并了解更多关于艺术理论/应用的信息，我想建议以下书籍（两者都是免费提供的）。