Estudo sobre Extração de Características e Reconhecimento de Padrões aplicados em Cifragem de Músicas
Data
2021
Autores
Nooblath Neto, Mauro Queiroz
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Durante a etapa de treinamento de uma rede neural é muito importante que os dados
utilizados sejam tratados de tal forma que a rede consiga identificar padrões para
diferenciá-los e conseguir classificá-los eficientemente. Muitos trabalhos foram realizados
por diversos autores na extração de características para uma ampla base de
dados. No presente trabalho, foram aplicadas duas técnicas para tratar características
em um banco de dados constituído de acordes musicais com o intuito de classificálos
em acordes maiores ou menores. Uma das técnicas é conhecida como Local
Phase Quantization e a outra consiste em coletar as frequências associadas aos maiores
valores de amplitude. Utilizando uma rede neural, própria do Matlab-Mathworks,
realizou-se uma comparação entre as duas técnicas em seu treinamento. Afim de obter
melhor performance, introduzimos do uso de clusters em uma estratégia híbrida
junto com as duas técnicas de extração de características na entrada da rede neural.
Os resultados demonstraram uma melhora significativa de desempenho.
Abstract
Descrição
Palavras-chave
Técnicas de extração de Features, Inteligência Artificial, Classificação de Acordes.
Citação
Neto, Mauro Queiroz Nooblath.Estudo sobre extração de características e reconhecimento de padrões aplicados em cifragem de músicas .73 páginas. 2021.Trabalho de Conclusão de Curso (Graduação em Engenharia Física) – Universidade Federal da Integração Latino-Americana, Foz do Iguaçu, 2021.