Clasificación de acordes con redes neuronales
El presente trabajo propone el uso de redes neuronales supervisadas y no supervisadas para el reconocimiento de acordes musicales. Partiendo de una porci ón de un archivo de audio, se espera hallar cu ál es el acorde que corresponde al mismo. A partir de un preprocesamiento del mismo, utilizando tr...
Autores principales: | , , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2016
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/58178 http://45jaiio.sadio.org.ar/sites/default/files/EST-1692.pdf |
Aporte de: |
id |
I19-R120-10915-58178 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas mapas autoorganizados Redes Neurales (Computación) acordes musicales |
spellingShingle |
Ciencias Informáticas mapas autoorganizados Redes Neurales (Computación) acordes musicales Russo, Rodrigo Oliva, Andrés Passoni, Lucía Isabel Dai Pra, Ana Lucía Meschino, Gustavo Clasificación de acordes con redes neuronales |
topic_facet |
Ciencias Informáticas mapas autoorganizados Redes Neurales (Computación) acordes musicales |
description |
El presente trabajo propone el uso de redes neuronales supervisadas y no supervisadas para el reconocimiento de acordes musicales.
Partiendo de una porci ón de un archivo de audio, se espera hallar cu ál es el acorde que corresponde al mismo. A partir de un preprocesamiento del mismo, utilizando transformada de Fourier y Pitch Class Pro le, se generan los conjuntos de datos a clasi ficar, siendo crí ticos en la clasificación los errores por ambig uedades y ruido ambiental que alteran la interpretación de los datos. Los m étodos empleados consisten en clasifi car a partir de grupos conocidos y bien de finidos, utilizando redes neuronales supervisadas mientras, o bien, realizando un agrupamiento de los datos seg un caracter ísticas similares mediante mapas autoorganizados.
Se espera que ambos m étodos logren agrupar los datos en las categorí as correspondientes y minimizar, en lo posible, los errores de clasifi caci ón. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Russo, Rodrigo Oliva, Andrés Passoni, Lucía Isabel Dai Pra, Ana Lucía Meschino, Gustavo |
author_facet |
Russo, Rodrigo Oliva, Andrés Passoni, Lucía Isabel Dai Pra, Ana Lucía Meschino, Gustavo |
author_sort |
Russo, Rodrigo |
title |
Clasificación de acordes con redes neuronales |
title_short |
Clasificación de acordes con redes neuronales |
title_full |
Clasificación de acordes con redes neuronales |
title_fullStr |
Clasificación de acordes con redes neuronales |
title_full_unstemmed |
Clasificación de acordes con redes neuronales |
title_sort |
clasificación de acordes con redes neuronales |
publishDate |
2016 |
url |
http://sedici.unlp.edu.ar/handle/10915/58178 http://45jaiio.sadio.org.ar/sites/default/files/EST-1692.pdf |
work_keys_str_mv |
AT russorodrigo clasificaciondeacordesconredesneuronales AT olivaandres clasificaciondeacordesconredesneuronales AT passoniluciaisabel clasificaciondeacordesconredesneuronales AT daipraanalucia clasificaciondeacordesconredesneuronales AT meschinogustavo clasificaciondeacordesconredesneuronales |
bdutipo_str |
Repositorios |
_version_ |
1764820477381967875 |