Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Informācijas tehnoloģija
Nosaukums Datordzirdes tehnoloģijas pielietošanas iespēju izpēte mūzikas žanru atpazīšanas uzdevumā
Nosaukums angļu valodā Analysis of Computer Audition Technologies Application in Musical Genre Recognition Task
Autors Aleksandrs Toršins
Struktūrvienība 12100 Informācijas tehnoloģijas institūts
Darba vadītājs Sergejs Paršutins
Recenzents Dr. sc. ing. Sigita Misiņa
Anotācija Darbs ir veltīts mūzikas žanru atpazīšanas uzdevumam, un datordzirdes tehnoloģiju pielietošanai priekš uzdevuma risināšanas. Mūzikas žanru atpazīšanas uzdevums ir daļa no Mūzikas Informācijas Izguves pētījumu virziena, un risinājumi ir bieži izmantoti komerciālos mūzikas straumēšanas servisos. Galvenokārt darbā ir apskatīti audio signālu apstrādes un mašīnmācīšanās teorētiskie pamati, un ir veikti trīs eksperimenti, kuru mērķi ir mūzikas žanru automātiska klasificēšana un turpmāka klasificēšanas precizitātes palielināšana. Darbs sastāv no piecām nodaļām, un secinājumiem par paveiktiem eksperimentiem un darbu kopumā. Pirmajā nodaļā ir apskatītas uzdevumu risināšanai svarīga teorija: audio signālu apstrādes un mašīnmācīšanās pamati. Otrajā nodaļā ir aprakstītas vispopulārākās metodes, kurus izmanto uzdevuma risināšanai. Trešajā nodaļā ir aprakstīti eksperimenti, izmantota datu kopa un algoritmi. Ceturtajā nodaļā ir apskatīti un aprakstīti rīki un programmatūra, kura ir izmantota eksperimentos. Piektajā nodaļā ir aprakstīta darbā ietvaros izstrādāta programmatūra, ir veikti eksperimenti, rezultāti ir apkopoti un ir veikta rezultātu interpretācija. Darbā rezultātā bija uztrenēts atbalsta vektoru mašīnas modelis, kas mūzikas žanru atpazīšanas uzdevumā sasniedz 64.7% kopējo klasifikatora precizitāti, klasificējot 8000 skaņdarbus 8 žanros.
Atslēgas vārdi Audio signālu apstrāde, Mūzikas žanri, Mašīnmācīšanās, Atbalsta vektoru mašīna
Atslēgas vārdi angļu valodā Audio signal processing, Music genres, Machine learning, Support vector machine
Valoda lv
Gads 2019
Darba augšupielādes datums un laiks 31.05.2019 10:29:31