MediaEval 2015中“音乐中的情感”任务的目标是，以一种持续时间的方式自动估计音乐所表达的情感（就Arousal和Valence而言）。 在本文中，考虑到音乐特征序列之间的高关联性，我们研究了几种不同级别的多尺度方法，包括使用Deep Brief Networks（DBN）的声学功能学习和改进的Autoencoder（AE），双向Long-基于短期记忆递归神经网络（BLSTM-RNN）的多尺度回归融合与极限学习机（ELM），以及分层预测与支持向量回归（SVR）。 提交的所有运行的评估性