问题标签 [generative]

一段时间以来，我一直在对内容的程序生成进行大量思考，但我从未见过对程序音乐进行太多实验。我们拥有用于生成模型、动画、纹理的绝妙技术，但音乐仍然要么是完全静态的，要么是简单的分层循环（例如 Spore）。

正因为如此，我一直在思考最佳的音乐生成技术，我很好奇其他人的想法。即使你以前没有考虑过，你认为什么会很好用？请每个答案使用一种技术，并在可能的情况下包括示例。该技术可以使用现有数据或完全从头开始生成音乐，可能是基于某种输入（情绪、速度等）。

生成算法和 判别算法有什么区别？

这是一个对任何建议、提示或指针都非常开放的问题。我希望开始使用自制的自动化投资模型，我对它的开始有了概念。我熟悉一些我怀疑可以帮助我的框架/语言。也欢迎对指定语言以外的其他语言提出建议。

我或许能够从 Google 或 Yahoo Finance API 查询 XML 数据？不太熟悉 XML。我在哪里可以找到有关 XML 的相关教程或信息来实现此目的？

另外，有没有办法在特定的特定条件下通过大量“当前”股票数据（许多股票的当前价值）进行搜索？

谢谢！

我正在尝试使用 Actionscript 3 将电影剪辑散布在舞台周围，看起来好像它们是随机放置在那里的，就像散布在桌面上的照片一样。

我尝试使用螺旋式排列，但发现它太均匀，也是圆形分布，但发现太随机了。

另一个因素是我希望 mc 的位置是可重复的，这样当用户返回到 flash 电影时，他们能够找到他们上次所在的剪辑。

有人对这类东西有任何专业知识/建议吗？

您将如何定义/创建生成式排版？我还想到了某种“智能”适应。例如，在特定条件下是否使用衬线的字体……在如何访问 actionscript 中的字体向量方面有一些发现吗？

我听说 Xtext 最终使用 ANTLR，但它们的语法规范文件格式有些不同。那么这两者是什么关系呢？

在SO中，我找到了以下对生成和判别算法的解释：

“生成算法模拟数据是如何生成的，以便对信号进行分类。它提出了一个问题：根据我的生成假设，哪个类别最有可能生成这个信号？

判别算法不关心数据是如何生成的，它只是对给定的信号进行分类。”

这是参数和非参数算法的定义

“参数：数据是从特定形式的概率分布中提取的，直到未知参数。非参数：数据是从某个未指定的概率分布中提取的。”

所以本质上我们可以说生成和参数算法假设基础模型，而判别和非参数算法不假设任何模型吗？

谢谢。

我编写了一个简单的脚本，它在网格上的随机位置生成三行。每条线都是特定的颜色 - 它用于徽标。我想使用多重混合模式，但它会创建锯齿状图像。有关如何解决此问题的任何想法？

图像示例

Wikipedia 对递归的讨论表明，生成递归函数“通常可以被解释为核心递归函数”（强调我的），而 Wikipedia 对corecursion的讨论使得这两者听起来像是同义词，当它指出“一些作者将此 [corecursion] 称为生成递归。”

生成递归和核心递归有什么区别？它们是严格的同义词，还是有时生成递归的东西不是核心递归的？

这是一个愚蠢的问题，但有没有办法在 sklearn GMM 模块中输入分类观察？

我的数据看起来有点像：

user_segment 是我数据集中的类（大约有 10 个类）。我认为这是 10 种不同分布的混合。

我想要做的是给一个测试用户和我想知道该测试用例属于哪个类/分布的站点类别。

我知道我可以选择判别模型，但我想看看在这种情况下生成模型是如何做的。