سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه الگوریتمهای یادگیری ماشین به منظور طبقه بندی ژانرهای موسیقی

Publish Year: 1400
Type: Conference paper
Language: Persian
View: 284

This Paper With 11 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

FSICONF05_016

Index date: 26 May 2022

مقایسه الگوریتمهای یادگیری ماشین به منظور طبقه بندی ژانرهای موسیقی abstract

ژانرهای موسیقی برچسب هایی هستند که توسط انسان ایجاد شده اند تا قطعات موسیقی را طبقه بندی کنند. ژانرهای موسیقی با ویژگی های مشترک اعضای آن مشخص میشوند. این ویژگی ها معمولا به ساز، ساختار ریتمیک و محتوای هارمونیک موسیقی مربوط میشوند. از طبقه بندی ژانرها معمولا برای ساختار مجموعه های بزرگ موسیقی موجود در وب استفاده می شود. در حال حاضر برچسب زدن ژانرهای موسیقی به صورت دستی انجام می شود. طبقه بندی خودکار ژانرهای موسیقی می تواند به انسان در طبقه بندی موسیقی کمک کند؛ یا جایگزین انسان شود. در این مقاله، الگوریتم های مختلف بادگیری ماشین به منظور طبقه بندی سیگنال های صوتی بر اساس ژانرهای موسیقی بررسی شده است. برای این منظور، مجموعه ویژگی های بافت تمبرال پیشنهاد شده است. ویژگی های معرفی شده از یک مجموعه داده، استخراج و توسط الگوریتم های یادگیری مختلف با سه نوع cross validation آموزش داده شده است. در ادامه مشخص می شود که بالاترین میزان دقت طبقه بندی برای ۶۹% موسیقی ها، توسط الگوریتم SVM به کمک روش تقسیم داده K-fold حاصل می شود، که این نتیجه با نتایج گزارش شده برای طبقه بندی ژانر موسیقی توسط انسان قابل مقایسه است.

مقایسه الگوریتمهای یادگیری ماشین به منظور طبقه بندی ژانرهای موسیقی Keywords:

طبقه بندی موسیقی - استخراج ویژگی های موسیقی - طبقه بندی ژانرهای موسیقی - الگوریتم های یادگیری - cross validation

مقایسه الگوریتمهای یادگیری ماشین به منظور طبقه بندی ژانرهای موسیقی authors

احسان ابراهیمی

دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه جامع امام حسین (ع)

میثم میرزایی

پژوهشگر دانشگاه جامع امام حسین (ع)

مقاله فارسی "مقایسه الگوریتمهای یادگیری ماشین به منظور طبقه بندی ژانرهای موسیقی" توسط احسان ابراهیمی، دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه جامع امام حسین (ع)؛ میثم میرزایی، پژوهشگر دانشگاه جامع امام حسین (ع) نوشته شده و در سال 1400 پس از تایید کمیته علمی پنجمین کنفرانس بین المللی علوم پایه و علوم مهندسی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله طبقه بندی موسیقی - استخراج ویژگی های موسیقی - طبقه بندی ژانرهای موسیقی - الگوریتم های یادگیری - cross validation هستند. این مقاله در تاریخ 5 خرداد 1401 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 284 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که ژانرهای موسیقی برچسب هایی هستند که توسط انسان ایجاد شده اند تا قطعات موسیقی را طبقه بندی کنند. ژانرهای موسیقی با ویژگی های مشترک اعضای آن مشخص میشوند. این ویژگی ها معمولا به ساز، ساختار ریتمیک و محتوای هارمونیک موسیقی مربوط میشوند. از طبقه بندی ژانرها معمولا برای ساختار مجموعه های بزرگ موسیقی موجود در وب استفاده می شود. در ... . این مقاله در دسته بندی موضوعی یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله مقایسه الگوریتمهای یادگیری ماشین به منظور طبقه بندی ژانرهای موسیقی با 11 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.