Buscar en Google Scholar
Título: Recuperación de la información musical por similitud usando redes neuronales
Asesor(es): Kong Moreno, Maynard Jorge
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.00
Fecha de publicación: 8-abr-2013
Institución: Pontificia Universidad Católica del Perú
Resumen: En los últimos años, la distribución de música digital en la web ha permitido a los usuarios acceder a grandes cantidades de información musical, con ello surge la necesidad de obtener esa información de manera eficaz y eficiente. En la actualidad, los sistemas de recuperación han ayudado a los usuarios a encontrar información basada en texto, pero esos modelos tradicionales no son adecuados si deseamos encontrar canciones que se parezcan en contenido de audio, de allí la necesidad de modelar e implementar métodos de recuperación basado en audio musical. En este estudio se describe un sistema que permite recuperar y clasificar canciones por similitud basado en contenido de audio musical. Se aplica un modelo de red neuronal a características de canciones. Primero se obtiene descriptores de canciones polifónicas en formato mp3 con características tales como: Análisis Espectral, Patrones de ritmo, Histograma de ritmo. Segundo, se realiza un análisis estadístico para seleccionar los descriptores válidos. Finalmente se ingresa a una red neuronal estos descriptores y se entrena. El objetivo de este trabajo es implementar el sistema y determinar, a partir de los resultados experimentales, la eficiencia de acierto o no para clasificar y recuperar contenido de audio musical por similitud.
Disciplina académico-profesional: Informática con mención en Ciencias de la Computación
Institución que otorga el grado o título: Pontificia Universidad Católica del Perú. Escuela de Posgrado
Grado o título: Maestro en Informática con mención en Ciencias de la Computación
Fecha de registro: 8-abr-2013; 8-abr-2013



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons