Organización tímbrica de instrumentos musicales utilizando Redes Neuronales
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...
Guardado en:
Autores principales: | , |
---|---|
Otros Autores: | |
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: |
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 |