ЕОМ
Першин С. М. Розпізнавання музикальних образів на основі штучних нейронних мереж : магістерська атестаційна робота, пояснювальна записка / С. М. Першин ; кер. роботи проф. Руденко О.Г. ; ХНУРЕ, Кафедра Електронних обчислювальних машин. – Харків, 2014. – 105 с. : CD
Першин С. М. Розпізнавання музикальних образів на основі штучних нейронних мереж : магістерська атестаційна робота, пояснювальна записка / С. М. Першин ; кер. роботи проф. Руденко О.Г. ; ХНУРЕ, Кафедра Електронних обчислювальних машин. – Харків, 2014. – 105 с. : CD
Статистика використання: Видач: 0
Анотація:
Мета роботи - аналіз ефективності нейромережевого підходу як способу розпізнавання музичних образів ( мелодій ). Розробка алгоритму розпізнавання музики, що використовує штучні нейронні мережі та отримання результатів його роботи.
Метод дослідження - проектування програмного продукту , що вирішує завдання розпізнавання музики за допомогою нейромереж .
Проаналізовано нейромережевої підхід до розпізнавання музичних образів. Розроблено програмне уявлення музичного образу і алгоритм його отримання з WAV-файлу. Вибрано алгоритм навчання і структура нейронної мережі , максимально здатні вирішити поставлене завдання. Результати роботи програми є задовільними у рамках завдань, що вирішуються нейромережевим підходом. Як засоби розробки були використані: мова С++ і opensource бібліотека fann, що надає можливість роботи з нейромережами.
НЕЙРОННА МЕРЕЖА, ПЕРЦЕПТРОН, ПЕРЕТВОРЕННЯ ФУР'Є, МУЗИЧНИЙ КОНТУР, НОТА, ЧАСТОТА, ТРИВАЛІСТЬ
Purpose of research is to analyze the effectiveness of the neural network approach as a way of recognizing musical images (melodies). Development of music recognition algorithm which uses artificial neural networks and gathering results of his work.
Method of research is designing software that solves the problem of music recognition using neural networks .
Neural network approach to the recognition of musical images has been analyzed. Software representation of the musical image and algorithm of its receipt of the WAV-file has been developed. The most able to solve the problem learning algorithm and the structure of the neural network have been selected. Results of the program as a neural network approach product are satisfactory. C++ language and opensource library fann, providing the opportunity to work with neural networks, were used as a development tools.
NEURAL NETWORK, PERCEPTRON, FOURIER TRANSFORMATION, MUSICAL CONTOUR, NOTE, FREQUENCY, NOTE VALUE
Метод дослідження - проектування програмного продукту , що вирішує завдання розпізнавання музики за допомогою нейромереж .
Проаналізовано нейромережевої підхід до розпізнавання музичних образів. Розроблено програмне уявлення музичного образу і алгоритм його отримання з WAV-файлу. Вибрано алгоритм навчання і структура нейронної мережі , максимально здатні вирішити поставлене завдання. Результати роботи програми є задовільними у рамках завдань, що вирішуються нейромережевим підходом. Як засоби розробки були використані: мова С++ і opensource бібліотека fann, що надає можливість роботи з нейромережами.
НЕЙРОННА МЕРЕЖА, ПЕРЦЕПТРОН, ПЕРЕТВОРЕННЯ ФУР'Є, МУЗИЧНИЙ КОНТУР, НОТА, ЧАСТОТА, ТРИВАЛІСТЬ
Purpose of research is to analyze the effectiveness of the neural network approach as a way of recognizing musical images (melodies). Development of music recognition algorithm which uses artificial neural networks and gathering results of his work.
Method of research is designing software that solves the problem of music recognition using neural networks .
Neural network approach to the recognition of musical images has been analyzed. Software representation of the musical image and algorithm of its receipt of the WAV-file has been developed. The most able to solve the problem learning algorithm and the structure of the neural network have been selected. Results of the program as a neural network approach product are satisfactory. C++ language and opensource library fann, providing the opportunity to work with neural networks, were used as a development tools.
NEURAL NETWORK, PERCEPTRON, FOURIER TRANSFORMATION, MUSICAL CONTOUR, NOTE, FREQUENCY, NOTE VALUE