自古以来,音乐就是人类的爱好与艺术追求之一。人类在很久以前便对音乐进行了广泛且深入的研究,提出了诸多的音乐理论。而在音乐史上,作曲家们也没有停止过对作曲技巧的总结和归纳。随着计算机技术的发展,人工智能概念的提出,人们产生了让计算机进行自动化音乐创作的想法,于是算法作曲的概念应运而生。算法作曲这一研究课题,不仅在音乐创作领域具有实用性,更可以让人类归纳出自己的认知和创新过程,有着积极的意义。本文基于机器学习的方法和思想,立足于算法作曲领域,针对性地研究音乐的三要素:旋律、和声、节奏,及如何使用基于循环神经网络的机器学习方法,生成这些音乐要素。本文的开头部分介绍了算法作曲的研究背景,并介绍了三种音乐要素的基本知识。随后分别研究并讨论三种音乐要素的生成方法:一、使用循环神经网络模型进行旋律的续写以及全新旋律的生成,生成的旋律呈现出较为连贯的结构,并且实际听感基本令人满意;二、使用加入长短期记忆单元的循环神经网络模型进行和弦的生成,并与两种隐马尔可夫模型进行对比,得出循环神经网络模型无论在准确率还是用户的主观评价方面,均优于隐马尔可夫模型的结论;三、使用梯度频率神经网络与循环神经网络结合进行节拍跟踪、节奏的预测以及生成,在准确率、召回率和F值的指标衡量下均能达到较高的结果。在文章最后,本文基于人工智能迅速发展的时代背景,对本文所研究的算法作曲方法作出总结和展望。本文是计算机在音乐创作领域的一个初步探讨,有助于提高音乐自动化创作质量和效率,在作曲、计算机辅助作曲、模式识别等领域具有一定的应用价值。