利用无监督赫布计算单层前馈网络检测通用音乐特征
计算与语言
2020-09-01 v1
摘要
随着通过流行在线音乐流媒体软件和应用程序获得的数字音乐数量以及海量音乐曲目特征的不断增长，近期使用神经网络进行特征识别正被用于实验，以在各种实验中产生广泛的结果。通过本工作，作者从一个流行的开源音乐语料库中提取此类特征信息，并通过对同一数据集在其单层神经网络上应用无监督赫布学习技术，探索了新的识别技术。作者展示了详细的实证结果，以模拟此类算法如何帮助单层前馈网络将音乐特征作为模式进行学习训练。该无监督训练算法增强了他们所提出的神经网络，在成功的音乐特征检测中达到了 90.36% 的准确率。为针对类似任务进行 comparative 分析，作者将其结果与若干先前基准工作进行比较。他们进一步讨论了工作的局限性并进行了详尽的误差分析。作者希望发现并收集关于这一特定分类技术及其性能的新信息，并进一步理解未来可能改进计算音乐特征识别水平的潜在方向与前景。
引用
@article{arxiv.2008.13609,
title = {Detecting Generic Music Features with Single Layer Feedforward Network using Unsupervised Hebbian Computation},
author = {Sourav Das and Anup Kumar Kolya},
journal= {arXiv preprint arXiv:2008.13609},
year = {2020}
}
备注
9 pages, 8 figures