Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Cardoso, Rafael | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Cardoso, Rafael | - |
Autor(es): dc.contributor | Denardin, Gustavo Weber | - |
Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
Autor(es): dc.creator | Babinski, Welliton Jhonathan Leal | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:20:08Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:20:08Z | - |
Data de envio: dc.date.issued | 2022-07-28 | - |
Data de envio: dc.date.issued | 2022-07-28 | - |
Data de envio: dc.date.issued | 2022-06-27 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29125 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706899 | - |
Descrição: dc.description | This work presents a development of an essential algorithm to automatic audio mixing and repair intelligent systems, is a machine learning model that classifies automatically musical instruments using a multivariate time series classification approach. Starting from two databases of audio digital signals with various musical instruments samples, the first goal is to extract both temporal and spectral instantaneous features, which are represented by temporal series. The series are used to train the supervised machine learning models, that are responsable to identify patterns of temporal series using adapted algorithms to do this task, like the K-Nearest Neightbours with the Dynamic Time Warping algorithm, or the Support Vector Machines with Global Alignment Kernel algorithm. The main goal is to utilize this models to do the task of feature classification of new databases of unknow musical instruments audio signal, as well to analysis and understand which effects different signal durations and feature extraction parameters have in the results. | - |
Descrição: dc.description | Este trabalho apresenta o desenvolvimento de um algoritmo essencial para sistemas inteligentes de mixagem e reparo automático de áudio, é um modelo de aprendizado de máquina que classifica automaticamente instrumentos musicais utilizando de uma abordagem de classificação multivariada de séries temporais. A partir de dois bancos de dados de sinais de áudio digital com diversas amostras de instrumentos musicais, o objetivo inicial foi extrair características temporais e espectrais instantâneas ao longo do tempo, que são representadas por séries temporais. As características são utilizadas para treinar de modelos de aprendizado de máquina supervisionado, que identificam padrões de séries temporais utilizando de algoritmos adaptados para essa tarefa, como o K-Nearest Neightbours em conjunto com o algoritmo de alinhamento Dynamic Time Warping, ou o Support Vector Machines em conjunto com o algoritmo de alinhamento Global Alignment Kernel. O objetivo final foi utilizar esses modelos para realizar a tarefa de classificação de novas bases de sinais de áudio de instrumentos musicais desconhecidos, como também realizar análises para entender quais efeitos diferentes durações de sinais e parâmetros de extração de características tem sobre os resultados. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Pato Branco | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Engenharia de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Instrumentos musicais | - |
Palavras-chave: dc.subject | Análise de séries temporais | - |
Palavras-chave: dc.subject | Aprendizado de máquinas | - |
Palavras-chave: dc.subject | Musical instruments | - |
Palavras-chave: dc.subject | Time-series analysis | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Classificação automática de instrumentos musicais utilizando uma abordagem de classificação multivariada de séries temporais | - |
Título: dc.title | Automatic musical instruments classification using a multivariate time series classification approach | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: