H3

Detecting Note From Keyboard Instrument Using Sparse Filtering Algorithm

كارشناسي ارشد

هوش مصنوعي و رباتيكز

دانشگاه پيام نور نجف آباد

1399

تك جلد

75 صفحه

سيد سعيد آيت

مجيد ايران پور مباركه

musical instrument , unsupervised feature learning , feedforward neural network , sparse filtering , timbre analysis , music information extraction

براي يك شنونده حرفه اي، استخراج اطلاعات مربوط به موسيقي، از يك موسيقي زنده يا ضبط شده، كار نسبتاً راحتي است اما براي يك فراگير و يك كامپيوتر، اصلاً كار جزئي و پيش پا افتاده اي نيست. مشخص كردن اين اطلاعات، با سرعت و بدون خطا، آن هم به روش خودكار، كار بسيار مطلوب و مفيدي است. اين پايان نامه، روشي را ارائه مي دهد كه قصد دارد نت هاي نواخته شده توسط يك كي برد را، از طريق يادگيري ويژگي هاي صوتي آن، كشف كند. اين ويژگي هاي صوتي از ويژگي هاي متداول مثل ضريب كپسترال فركانس مل، مناسب تر است. براي انجام اين كار، ابتدا يك طيف از صدا را استخراج كرده و آن را به مقياس مل، تبديل مي كنيم. سپس قاب ها را به اطلاعات زمان، اتصال مي دهيم و آن را در يك الگوريتم فيلترگذاري پراكنده، كه يك روش يادگيري بدون نظارت است، استفاده مي كنيم. به اين ترتيب ويژگي هاي جديدي ياد گرفته مي شوند. ويژگي هاي كه از اين روش بدست مي آيند بصورت بردار براي يك طبقه بندي كننده، فرستاده مي شوند. روي داده هاي طبقه بندي شده ارزيابي متقاطع انجام مي دهيم. نتايج ارزيابي نشان مي دهد كه دقت تشخيص نت از 38.5 درصد با استفاده از روش ضرايب كپسترال فركانس مل به 70 درصد با استفاده از روش فيلتر گذاري پراكنده افزايش يافته است.

1400/09/16

سميه طاهري

69981