Yapay sinir ağları kullanılarak müzik enstrümanlarının ayırtedilmesi
Classification of musical instruments using neural network
- Tez No: 105598
- Danışmanlar: YRD. DOÇ. DR. MEHMET DEMİRER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
ÖZET Yapay sinir ağlan insan beyninin bazı fonksiyonlarını ve özellikle öğrenme yöntemlerini benzetim yolu ile gerçekleştirmek için tasarlanır. Bu ağlar geleneksel yöntem ve mantıksal geçitlerin zorlandığı sınıflandırma, kümeleme, duyu veri işleme ve çok duyulu makine gibi alanlarda başarılı sonuçlar verir. Müzik enstrümanlarının farklarını ortaya koyma ve bunları sınıflandırma problemine, yapay sinir ağlan ile çözüm bulmaya benzer çalışmalar yaygın değildir. Konuşmacının tanınması veya sesin tanınması problemlerinin çözümünde daha yaygın araştırmalar yapılmıştır. Bu tezde müzik enstrümanlannın tanınması probleminin çözümü için ağlardan Kendi Kendine Organize Haritalar kullanılmıştır. Bu haritalar özellikle sınıflandırma problemlerindeki başansı dolayısıyla seçilmiştir. Bu sınıflandırma problemi hakkında yapılan çalışmalarda kullanılan diğer algoritmalardan, bir öğreten olmaması (unsupervised) yönüyle farklıdır. Bu yönüyle insan öğrenmesine daha çok benzemektedir. Bu tezde elde edilen ağ ile dört ayn enstrüman (kanun, ney, kemence ve tanbur) tanınabilmekte ve sınıflandınlabilmektedir. Ağ ile yapılan simülasyon denemelerinde her enstrümandan alınan 10' ar toplam 40 örnekten 5' i doğru sınıflandınlamamıştır. Sporring, Moller ve Hjaeresen'in çalışmasında ise ileri beslemeli bir ağ kullanılmış ve geriye yayılım metodu ile ağ eğitilmiştir. Bu çalışmada, piyano, flüt ve gitar sesi örneklerinin 13 'ünden 4'ü doğru sınıflandınlamamıştır. Yapılan denemelerde gerçek hayattaki dış etkenlerin (gürültü, ses örneği uzunluğu v.b.), tezde elde edilen ağ üzerindeki etkileri değerlendirilmiştir. Ağın tanıması istenilen ses örneklerinin uzunluklan değiştirilerek yapılan denemelerde belli bir uzunluğa eriştikten sonra (~3 sn) ağın tanıma başansı (~%90) sabit kalmakta kısaldıkça ise basan düşmektedir (0,1 sn'de hiç bir enstrüman tanınamamaktadır). Ses örneklerine gürültü eklenerek yapılan deneyde ise ağın başansının gürültüden etkilendiği gözlenmektedir. Gürültü oranı %100 olduğunda başanm %35'e düşmekte ve 6dB zayıflatılmış gürültüde ise (%50 zayıflatılmış) başanm %45'e çıkmaktadır. Sonuç olarak yapay sinir ağlarından birisi olan KKOH kullanılarak, sıradan mantıksal geçitlerin çözmekte zorlandığı bu probleme bir çözüm yaratılabilmiştir. iv
Özet (Çeviri)
ABSTRACT Artificial neural networks are designed to realize learning processes of human brain. These networks are used for solving classification, clustering, sense processing and multi-sense machine problems. In this thesis, our problem is to classify the musical instruments by using neural networks. Very little work has previously been done on this type of problem, except in the related fields of automatic speaker recognition, and pitch recognition. To solve this problem, Self Organizing Maps algortihm is used. This map is chosen because of the success in classification problems. In addition to this feature, this algoritm is an unsupervised learning method, therefore it differs, from the other methods and is similar to human brain learning. Recognition and classification of four different instruments (kanun, kemence, ney and tanbur) is possible by using created network. It is seen that the network is failed 5 samples over 40. In Sporring, Moller and Hjaresen's study a feed-forward network with Back-Propagation Algorithm is used to classify 3 instruments (piano, flute and guitar). Efficiency of this network is approximately 69,2%. It is evaluated the outdoor effects (like noise and duration of samples) on the created network by some simulations. It is seen that after the certain value of the sample's duration (~3 s) the efficiency of classification is constant (87,5%). When the length is decreased to 0.1 s the network is failed to classify any sample from the set and when the 100% noise is added to the samples then the efficiency is decreased to %35 and with %50 noise it is increased to 45%. As a result, by using one of the neural network algorithm (SOM), it is possible to recognize and classify musical instruments.
Benzer Tezler
- Türk müziği enstrümanlarının öznitelik vektörlerinin çıkarılması ve yapay sinir ağları kullanılarak sınıflandırılması
Obtaining the feature vectors of Turkish musical instruments and classification using artificial neural networks
MEHMET HAŞİM AÇANAL
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- Meta-sezgisel yöntemler ile müzik verisi üzerinde özellik seçimi ve kategorizasyon
Metaheuristic methods for feature selection and categorization on music data
ABDURRAHİM HÜSEYİN EZİRMİK
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. İDRİS DAĞ
- Yüz ifadelerine göre otomatik duygu tespiti
Automatic emotion detection according to facial expressions
ÇAĞLAR ATILGAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Generative adversarial networks based level generation for angry birds
Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi
BURKAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER
- A taxonomy of artificial neural networks
Yapay sinir ağlari'nin bir taksonomisi
ALP EREN YILMAZ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN