Μονάδα:
Τμήμα Πληροφορικής & ΤηλεπικοινωνιώνΠληροφορική
Ημερομηνία κατάθεσης:
2020-08-07
Συγγραφέας:
ΑΣΛΑΝΙΔΗΣ ΘΕΟΦΑΝΗΣ
Στοιχεία επιβλεπόντων καθηγητών:
Παναγιώτης Σταματόπουλος, Επίκουρος καθηγητής, Τμήμα Πληροφορικής και Τηλεπικοινωνιών, ΕΚΠΑ
Πρωτότυπος Τίτλος:
Deep Learning in Audio Chord Estimation
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Βαθιά Μάθηση για Αναγνώριση Μουσικών Συγχορδιών
Περίληψη:
Κάθε μουσικό κομμάτι περιέχει ένα συγκεκριμένο αριθμό από διαφορετικές συγχορδίες.
Αυτές οι συγχορδίες αποτελούν το σκελετό του τραγουδιού και ένας έμπειρος μουσικός
μπορεί να τις αναγνωρίσει με το αυτί. Όμως, ενώ η πλειοψηφία των μουσικών μπορεί να
αναγνωρίσει ακουστικά συγχορδίες, οι περισσότεροι μη-μουσικοί που απλά ασχολούνται
ερασιτεχνικά, δεν είναι σε θέση να αναγνωρίσουν τις συγχορδίες ακουστικά. Αυτή η
εργασία ερευνά την χρήση και σημαντικότητα των νευρωνικών δικτύων στην διαδικασία
της αναγνώρισης των συγχορδιών. Τα νευρωνικά δίκτυα, έχουν δείξει μεγάλη δυνατότητα
και προοπτική για την αναγνώριση αντικειμένων σε μια ποικιλία δεδομένων, καθώς και
αποκωδικοποίηση πληροφορίας σχετιζόμενης άμεσα με το χρόνο. Ο συνδυασμός των
χαρακτηριστικών αυτών, είναι αυτό που η εργασία αυτή θα ερευνήσει, πάνω σε μουσικά
δεδομένα. Συγκεκριμένα, σε αυτή την εργασία θα παρουσιαστεί η δυνατότητα των
αναδρομικών συνελικτικών νευρωνικών δικτύων σε αντίθεση με άλλες αρχιτεκτονικές –
πιο απλές – με σκοπό την αναγνώριση αντικειμένων που έχουν εξάρτηση από το χρόνο,
όπως οι μουσικές συγχορδίες.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
Νευρωνικά δίκτυα, Deep Learning, Convolutional Neural Networks, Recurrent Neural Networks, R-CNN, Audio Chord Estimation
Αρ. σελίδων ευρετηρίου:
3
Αρ. βιβλιογραφικών αναφορών:
23
