مقاله شناسایی سبک موسیقی مبتنی بر ضرایب ویژگی و شبکه عصبی پرسپترون چند لایه : تی پی بین

خلاصه مقاله

ورود صنعت موسیقی به دنیای دیجیتال به عبارتی گسترش موسیقی دیجیتال، پژوهشگران را بر آن داشت که بیش از پیش به پردازش روی داده های موسیقی بپردازند. در این مقاله، ما ابتدا برخی ویژگی های صوت (نظیر: نرخ عبور از صفر، انرژی، انتروپی انرژی، مرکز ثقل و گسترش طیف، انتروپی طیف، تغییرات سریع طیف، رول آف طیف، ضرایب کپسترال فرکانس مل، بردار رنگی، نرخ هارمونیک) را استخراج نموده و سپس برای تشخیص و دسته بندی از شبکه عصبی MLP استفاده کردیم. داده های لازم برای آموزش و آزمایش شبکه را از وب سایت رادیوی اینترنتی "ایران صدا" جمع آوری نمودیم. بدین منظور شش نوع سبک شامل سبک های کلاسیک، غربی، کودک، محلی، پاپ و سنتی را مورد هدف قرار دادیم. برای طراحی شبکه از 85 درصد داده ها برای مرحله آموزش شبکه و 15 درصد باقیمانده برای مرحله آزمون شبکه استفاده شد. بعد از شبیه سازی های انجام شده بر روی شبکه، دقت دسته بندی برای داده های آزمون 82.1 درصد بدست آمد که نتایج خوشایند و امیدوارکننده ای می باشد.

نویسندگان

مریم خاشعی ورنامخواستی [ کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور ]

سید سعید آیت [ دانشیار گروه علمی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور ]

کلمات کلیدی

سبک موسیقی استخراج ویژگی دسته بندی شبکه عصبی

آدرس این مقاله

آدرس مستقیم دسترسی به این مقاله

مشخصات کنفرانس

مشاهده مقالات

دومین کنفرانس ملی پژوهش های نوین در مهندسی برق و کامپیوتر

محورهای کنفرانس: مهندسی برق، قدرت، کنترل، مخابرات، الکترونیک، مهندسی پزشکی، شبکه های انتقال توزیع، مهندسی کامپیوتر، معماری کامپیوتر، مهندسی نرم افزار، هوش مصنوعی، مکاترونیک، الگوریتم ها و محاسبات، مهندسی فناوری اطلاعات، شبکه های کامپیوتری، امنیت اطلاعات، تجارت الکترونیک، علوم کامپیوتر، سیستم های هوشمند، محاسبات علمی، سیستم های کامپیوتری، نظریه محاسبات

حوزه های تحت پوشش : مهندسی و تکنولوژی، مهندسی برق، علوم کامپیوتر