Organización tímbrica de instrumentos musicales utilizando Redes Neuronales

Mostrar todas las versiones(3)

El presente trabajo muestra un modelo para la generación de mapas tímbricos en dos dimensiones de sonidos de instrumentos musicales. Esto se logra utilizando una arquitectura basada principalmente en la descomposición de los sonidos en bandas de frecuencias, con el objetivo de emular a grandes rasgo...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Spedalieri, Néstor, Xifra, Jorge
Otros Autores: Segura, Enrique
Formato: Tesis de grado publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2001
Acceso en línea:https://hdl.handle.net/20.500.12110/seminario_nCOM000159_Spedalieri
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000159_Spedalieri_oai
Aporte de:
Repositorio Digital de la Universidad de Buenos Aires (UBA) de Universidad de Buenos Aires
id I28-R145-seminario_nCOM000159_Spedalieri_oai
record_format dspace
spelling I28-R145-seminario_nCOM000159_Spedalieri_oai2022-09-29 Segura, Enrique Spedalieri, Néstor Xifra, Jorge 2001 El presente trabajo muestra un modelo para la generación de mapas tímbricos en dos dimensiones de sonidos de instrumentos musicales. Esto se logra utilizando una arquitectura basada principalmente en la descomposición de los sonidos en bandas de frecuencias, con el objetivo de emular a grandes rasgos al oído humano, el cual analiza la información recibida por octavas. Se utiliza la transformación de Wavelets para la división en frecuencias, y el aprendizaje posterior se realiza con una estructura multinivel de Redes Neuronales Auto-Organizativas de Kohonen. En el análisis de los sonidos se toma en cuenta tanto el ataque como la fase estable de los mismos. Todos los sonidos utilizados tienen la misma frecuencia fundamental y provienen de las grabaciones de la McGill University (McGill University Master Samples). El modelo propuesto puede servir como base para una posterior implementación de clasificadores de sonidos y/o reconocedores de instrumentos. This study presents a model for the generation of two dimensional timbre maps of musical instruments sounds. This is achieved using an architecture based mainly on the decomposition of sound in frequency bands, with the intention of modelling the behavior of the human ear, which analyzes the received information by octaves. The wavelet transformation is used for the partition of the sound in frequency bands and the subsequent learning stage is performed by a multi-level structure of Kohonen Self Organizing Maps. In analysing the sounds, both the attack phase and the steady phase are taken into account. All sounds have the same fundamental frequency and were taken from the McGill University Master Samples. The proposed model could serve as the basis for the implementation of sound classification and/or instrument recognition. Fil:Spedalieri, Néstor. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. application/pdf https://hdl.handle.net/20.500.12110/seminario_nCOM000159_Spedalieri spa Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar Organización tímbrica de instrumentos musicales utilizando Redes Neuronales info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado info:eu-repo/semantics/publishedVersion http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000159_Spedalieri_oai
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv spa
description El presente trabajo muestra un modelo para la generación de mapas tímbricos en dos dimensiones de sonidos de instrumentos musicales. Esto se logra utilizando una arquitectura basada principalmente en la descomposición de los sonidos en bandas de frecuencias, con el objetivo de emular a grandes rasgos al oído humano, el cual analiza la información recibida por octavas. Se utiliza la transformación de Wavelets para la división en frecuencias, y el aprendizaje posterior se realiza con una estructura multinivel de Redes Neuronales Auto-Organizativas de Kohonen. En el análisis de los sonidos se toma en cuenta tanto el ataque como la fase estable de los mismos. Todos los sonidos utilizados tienen la misma frecuencia fundamental y provienen de las grabaciones de la McGill University (McGill University Master Samples). El modelo propuesto puede servir como base para una posterior implementación de clasificadores de sonidos y/o reconocedores de instrumentos.
author2 Segura, Enrique
author_facet Segura, Enrique
Spedalieri, Néstor
Xifra, Jorge
format Tesis de grado
Tesis de grado
publishedVersion
author Spedalieri, Néstor
Xifra, Jorge
spellingShingle Spedalieri, Néstor
Xifra, Jorge
Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
author_sort Spedalieri, Néstor
title Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
title_short Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
title_full Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
title_fullStr Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
title_full_unstemmed Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
title_sort organización tímbrica de instrumentos musicales utilizando redes neuronales
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2001
url https://hdl.handle.net/20.500.12110/seminario_nCOM000159_Spedalieri
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesisg&d=seminario_nCOM000159_Spedalieri_oai
work_keys_str_mv AT spedalierinestor organizaciontimbricadeinstrumentosmusicalesutilizandoredesneuronales
AT xifrajorge organizaciontimbricadeinstrumentosmusicalesutilizandoredesneuronales
_version_ 1766026828417335296

Ejemplares similares