تجزیه و تحلیل تأثیر ورزش بر آموزش آواز موسیقی دانشجویان دانشگاه بر اساس مونت کارلو و الگوریتم تنظیم پویا

با بهبود مداوم استانداردهای زندگی مردم ، الزامات رشته های موسیقی برای استانداردهای آموزش آنها نیز در حال افزایش است که منجر به توسعه آموزش موسیقی در جهت هوش می شود. در این مقاله به بررسی مشکلات تنفس ، هماهنگی و توانایی کنترل عضلات در آموزش آواز می پردازیم و یک روش آموزش صوتی را بر اساس فاکتور تنظیم پویا و الگوریتم مونت کارلو برای حل مشکل دشوار آموزش آواز برای دانشجویان و درک رابطه بین آواز ارائه می دهد. تمرین و ورزش. در مرحله اول ، مجموعه تمرینات ورزشی و مجموعه آموزش تلفظ صوتی به صورت خوشه بندی ساخته می شوند و نمونه های موجود در مجموعه به صورت گسسته مورد تجزیه و تحلیل قرار می گیرند تا اطمینان حاصل شود که نمونه ها با توزیع عادی مطابقت دارند. سپس با استفاده از الگوریتم مونت کارلو ، دو مجموعه نمونه را تجزیه و تحلیل می کند و رابطه بین ورزش و آموزش صوتی را می یابد. سرانجام ، با توجه به تنفس ، هماهنگی ، توانایی کنترل عضلات و سایر شاخص ها ، تأثیر ورزش را بر صدای صوتی محاسبه می کند. شبیه سازی MATLAB نشان می دهد که روش ارائه شده در این مقاله می تواند تأثیر ورزش را بر روی آواز صوتی از منظر تنفس ، هماهنگی ، توانایی کنترل عضلات و سایر شاخص ها تجزیه و تحلیل کند. صحت نتایج داوری بیش از 95 ٪ و زمان کمتر از 1 دقیقه است. تمام شاخص ها بهتر از روشهای آموزش صوتی سنتی (90 ٪ ، 2 دقیقه) هستند که اثربخشی روش ارائه شده در این مقاله را نشان می دهد.

1. معرفی

با توسعه تئوری سینماتیک و نظریه بیولوژیکی ، آموزش صوتی رشته های موسیقی صوتی معقول تر ، علمی و باهوش تر است. با این حال ، تحت شرط عدم تجربه آموزش آواز ، دانشجویان کالج قادر به تسلط بر مهارت های صوتی نخواهند بود. نکته اصلی آموزش آواز کنترل عضلات نفس و حلق است ، یعنی تنفس ، هماهنگی و توانایی کنترل عضلات [1]. تنفس ، هماهنگی و کنترل عضلات با تسلط بر مهارت و ورزش می تواند بهبود یابد. نحوه ایجاد یک روش معقول برای ورزش و یافتن رابطه بین ورزش و آواز صوتی مشکلی است که دانشجویان در حال حاضر نیاز به حل آنها در رشته های موسیقی صوتی دارند. برخی از محققان بر این باورند که طبقه بندی ورزش و آموزش صوتی نتایج تحقیق را دقیق تر می کند. با این حال ، پیچیدگی شاخص های ورزش و عدم تسلط دانش آموزان بر مهارت های صوتی ، آموزش مهارت های صوتی را پیچیده تر می کند. برخی از محققان بر این باورند که فرضیه آموزش آواز وضعیت جسمی بلندگو است ، بنابراین ما باید با تسلط بر نفس ، عضلات و زمان ، مهارت های صوتی خود را بهبود بخشیم. بنابراین ، برخی از محققان انواع شاخص های ورزشی را مطرح می کنند [2] ، مانند نفس ، موقعیت حنجره ، قدرت شکم و هم افزایی عضلات مرتبط. نتایج خاص در جدول 1 نشان داده شده است.

برخی از محققان تجزیه و تحلیل نظری از روشهای آموزش صوتی دارند و فکر می کنند که فرضیه آموزش آواز برای بهبود سطح آموزش از اهمیت بالایی برخوردار است [3]. با این حال ، کمبود تجزیه و تحلیل کمی در میزان تأثیر تنفس ، هماهنگی و توانایی کنترل عضلات وجود دارد. بر این اساس ، این مقاله یک مدل آموزش صوتی را بر اساس الگوریتم مونت کارلو ارائه می دهد ، که می تواند نظریه آواز را بهبود بخشد و کیفیت حرفه ای دانشجویان را بهبود بخشد. از تجزیه و تحلیل فوق ، می توانیم ببینیم که انواع مختلفی از تحقیقات در مورد الگوریتم مونت کارلو در داخل و خارج از کشور وجود دارد ، اما انواع تحقیقات کمی در مورد کاربرد آن در تمرینات ورزشی و آموزش موسیقی وجود دارد. در حال حاضر ، آموزش موسیقی بیشتر بر روشهای جامع تحلیل متمرکز است و به دنبال یک داوری هوشمند و روش تحلیل هوشمندانه برای راهنمایی دانش آموزان در آموزش موسیقی است. الگوریتم مونت کارلو می تواند برای تجزیه و تحلیل شاخص ها در آموزش موسیقی و تحقق تحقیقات عمیق تر و پویا از فهرست ها ، که مطابق با نیازهای فعلی است ، استفاده شود. با توجه به افزایش نیازهای آموزش موسیقی ، روشهای تحقیق و تجزیه و تحلیل آموزش در جهت تنوع ، کثرت گرایی و هوش در حال توسعه است. در مقایسه با یک الگوریتم ژنتیکی ، الگوریتم مونت کارلو ویژگی های جامع بودن ، هوش و تنوع را دارد که برای تجزیه و تحلیل پویا مداوم مناسب تر است و می تواند الزامات آموزش آواز متنوع را برآورده کند. در حال حاضر ، الگوریتم مونت کارلو دارای طیف گسترده ای از برنامه های کاربردی است که به تدریج به میدان موسیقی نفوذ کرده و با سایر الگوریتم ها ادغام شده است و به طور مؤثر توسعه آموزش آواز را ارتقا می بخشد. الگوریتم مونت کارلو دارای مزایای قوی است که می تواند داده ها را به طور مداوم تجزیه و تحلیل کند و مشکلات و روابط بالقوه در داده ها را پیدا کند. در عین حال ، الگوریتم مونت کارلو نیز دارای کاستی هایی است که نمی تواند داده های عظیم را تجزیه و تحلیل کند و باید با روش های دیگر ترکیب شود. بنابراین ، الگوریتم مونت کارلو دارای طیف گسترده ای از برنامه های کاربردی است که بهتر می تواند تجزیه و تحلیل و تحقیق داده ها را انجام دهد. بنابراین ، الگوریتم مونت کارلو نیازهای تحقیق فعلی را برآورده می کند و امکان سنجی تحقیق دارد.

2. مفاهیم مرتبط

2. 1نظریه آوازی

نظریه آواز صوتی استفاده از انواع مهارت های آواز برای تنظیم موقعیت آواز ، زمان نفس و قدرت عضلات دانشجویان است. نظریه آواز ، دانشجویان را ملزم می کند تا از مهارت های مختلفی برای بهبود سطح آواز خود استفاده کنند [4]. در اواسط قرن بیستم ، آواز شکمی ، آواز استخوان و سایر مهارتها و همچنین وضعیت صوتی سازی ، به طور گسترده ای در آموزش آواز استفاده می شد. در حال حاضر ، تئوری آواز خواسته است که خوانندگان باید از مهارت های جامع آواز ، از جمله ورزش ، برای بهبود سطح آواز دانشجویان استفاده کنند. الگوریتم مونت کارلو می تواند به طور جامع داده های ورزش را تجزیه و تحلیل کند ، عمدتاً برای تجزیه و تحلیل رابطه بین داده ها و ویژگی های داخلی داده ها و آشکار کردن رابطه داخلی بین داده ها عمیق تر. اگرچه می توان از الگوریتم مونت کارلو برای کاوی داده های سطح عمیق استفاده کرد ، اما نمی توان از آن برای تجزیه و تحلیل داده های مداوم استفاده کرد و نمی تواند روابط داخلی بین داده ها را نشان دهد. یک الگوریتم فاکتور پویا می تواند تمرین بدنی و آموزش موسیقی را تعیین کند ، رابطه پویا بین آنها برقرار کند و داده ها را به طور مداوم تجزیه و تحلیل کند. بنابراین ، ترکیبی از الگوریتم مونت کارلو و عوامل پویا می تواند تعامل بین الگوریتم های مختلف را تحقق بخشد ، در ارتباط بین ورزش ورزشی و آموزش موسیقی عمیق تر شود و آموزش موسیقی را راهنمایی کند که به صورت منظم انجام شود. برای مطالعه بیشتر تئوری آواز توسط فوجیساوا و همکاران.[5] ، این مقاله یک روش تجزیه و تحلیل کمی را ارائه می دهد ، که شاخص های فنی آواز خواندن را در آموزش ادغام می کند و ترکیبی جامع از مهارت های آواز را برای بهبود سطح کلی آواز تشکیل می دهد.