Προσδιορισμός των beat μουσικών κομματιών με μηχανική μάθηση

Πετρίδης, Στέφανος - Ευστράτιος; Petridis, Stefanos - Efstratios

dc.contributor.author	Πετρίδης, Στέφανος - Ευστράτιος	el
dc.contributor.author	Petridis, Stefanos - Efstratios	en
dc.date.accessioned	2020-04-13T19:42:43Z
dc.date.available	2020-04-13T19:42:43Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50150
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17848
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Φασματογράφημα	el
dc.subject	Συνάρτηση αυτοσυσχέτησης	el
dc.subject	Μουσική	el
dc.subject	Machine / Deep learning	en
dc.subject	Neural networks	en
dc.subject	Long - Short term memory	en
dc.subject	Convolutional neural networks	en
dc.subject	Spectrogram	en
dc.title	Προσδιορισμός των beat μουσικών κομματιών με μηχανική μάθηση	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.classification	Νευρωνικά δίκτυα	el
heal.classification	Music information retrieval	en
heal.classification	Beat tracking	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-29
heal.abstract	Το Beat Tracking είναι η ακριβής εκτίμηση της θέσης των beat μέσα σε ένα μουσικό κομμάτι. Το πρόβλημα αυτό είναι ένα από τα πολλά προβλήματα που αποσχολούν τον κλάδο της Ανάκτησης Πληροφορίας από Μουσική. Σε αντίθεση με το Tempo Estimation, που αποσκοπεί τον προσδιορισμό των διακυμάνσεων του tempo σε ένα μουσικό κομμάτι, με το Beat Tracking καλούμαστε να αναδείξουμε τις ακριβή θέση του κάθε beat. Οι περισσότεροι άνθρωποι, ακούγοντας μουσική, μπορούν με ευκολία να προσδιορίσουν τους χτύπους της. Αρκετοί αλγόριθμοι έχουν δημιουργηθεί για την επίλυση αυτού του προβλήματος. Όμως, η μεταφορά της γνωστικής αυτής διαδικασίας σε ένα αυτοματοποιημένο σύστημα, το οποίο θα λειτουργεί με επιτυχία για πολλά και διαφορετικά είδη μουσικής δεν είναι εύκολη διαδικασία. Στο πλαίσιο αυτής της εργασίας, προσεγγίζουμε το Beat Tracking από την σκοπιά της βαθιάς μηχανικής μάθησης, η οποία είναι αρκετά διαδεδομένη πλέον στα περισσότερα έργα ανάκτησης πληροφορίας από μουσική. Πιο συγκεκριμένα, εκπαιδεύτηκαν, 4 διαφορετικοί τύποι Αναδρομικών Νευρωνικών Δικυων Long-Short Term Memory(LSTM) καθώς και 1 αρχιτεκτονική Συνελικτικού Νευρωνικού Δικτύου(CNN). Σαν είσοδο των νευρωνικών δικτύων, χρησιμοποιήσαμε σπεκτρογραφήματα τύπου Mel, που προέρχονται από 1124 διαφορετικά μουσικά κομμάτια. Λέξεις	el
heal.advisorName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας Γεώργιος	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	70 σ.
heal.fullTextAvailability	false