Uporaba metod strojnega učenja za samodejno razpoznavanje akordov v glasbiŠkerl, Jaka (Avtor) Dobrišek, Simon (Mentor) strojno učenjerazpoznavanje akordovkonvolucijska nevronska omrežjametoda podpornih vektorjevobdelava zvočnih signalovspektrogramkromagramV diplomski nalogi je obravnavana uporaba metod strojnega učenja za razpoznavanje glasbenih akordov iz zvočnih signalov. Osredotoča se na razvoj in uporabo konvolucijskih nevronskih omrežij (CNN) in metode podpornih vektorjev (SVM) za analizo in klasifikacijo akordov. Problem razpoznavanja akordov je predstavljen v kontekstu obdelave zvočnih signalov in luščenja značilk, kot so spektrogrami in kromagrami. V nalogi so podrobno predstavljene arhitekture CNN, ki so bile uporabljene za razpoznavanje vzorcev v spektrogramih in metode SVM, ki so bile prilagojene za delo z zvočnimi značilkami. Primerjava učinkovitosti pristopov je izvedena na podlagi eksperimentov z različnimi konfiguracijami in parametri. Rezultati kažejo, da CNN modeli zagotavljajo visoko stopnjo natančnosti pri razpoznavanju akordov, medtem ko SVM ponujajo hitrejšo izvedbo z nekoliko nižjo natančnostjo. Analiza rezultatov razkriva prednosti in slabosti posameznih pristopov ter ponuja vpogled v možnosti nadaljnjega razvoja v smeri izboljšanja hitrosti in natančnosti. Ključni zaključki vključujejo potrditev, da je kombinacija strojnega učenja in znanja iz teorije glasbe učinkovita pri razpoznavanju akordov in da je za nadaljnji napredek na tem področju ključnega pomena nadaljnje raziskovanje in integracija naprednejših metod strojnega učenja.20242024-09-12 13:29:30Diplomsko delo/naloga161599sl