Enstrüman seslerinin tanınması ve sınıflandırılması
Instrumental sound recognition and classification
- Tez No: 180491
- Danışmanlar: YRD. DOÇ. DR. ÜNAL KÜÇÜK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: İşlemsel işitsel durum analizi, olasılıksal sinir ağları, aktif öğrenme, enstrüman tanıma.x, Computational auditory scene analysis, Probabilistic Neural Networks, activelearning, instrument recognition.xi
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Müzikal seslerin içerik analizi yapısal kodlama, ses veri tabanı sorgulama sistemleri, otomatiknotaya dönüştürme, müzik eğitimi gibi çok çeşitli ve geniş bir uygulama alanına sahiptir. Buuygulamaların önemli alt görevlerinden biri otomatik enstrüman tanıma işlemidir.Bu çalışmada; müzikal enstrüman seslerinin aktif öğrenen bir PNN ile tanınması üzerindedurulmuştur. Öznitelik olarak farklı derecelerden LPC ve MFCC katsayıları kullanılmıştır.Mevcut aktif öğrenme algoritmaları PNN için uygun değildir. Bu nedenle, yeni bir aktiföğrenme algoritması geliştirilmiştir.Uygulama esnasında pasif PNN'ler kullanılarak en yüksek başarımı veren öznitelikler tespitedildikten sonra, aktif öğrenme algoritması yalnız bu özniteliklerle birlikte uygulanmıştır.Yapılan deneyler sonucunda aktif öğrenen PNN'in başarımının daha yüksek olduğugösterilmiştir.
Özet (Çeviri)
Musical Audio Content Analysis has a wide application area such as structral encoding, sounddatabase search systems, automatic note transcription, musical education etc. The mostimportant part of these applications is the automatic instrument recognition task.In this work an active learning PNN was used to recognise instrumental sounds. LPC andMFCC coefficients with different orders were used as features. Existing active learningalgorithms are not suitable for PNN. Hence, a new active learning algorithm for PNN wasdeveloped.The best feature sets were found by using passive PNNs and these sets were used with activelearning PNNs. By realizing some experiments, it was shown that the entire performance wasimproved by using the active learning algorithm
Benzer Tezler
- Constructing terminology for musical timbre: A semantic mapping of acoustic features in Turkish language
Ses tınısı için bir terminoloji oluşturmak: Anlambilimsel ve akustik özellikler arasında bir haritalandırma çalışması
EZGİ SU ÖRÜN
Yüksek Lisans
İngilizce
2023
Müzikİstanbul Teknik ÜniversitesiMüzik Ana Bilim Dalı
DOÇ. DR. TAYLAN ÖZDEMİR
- Orkestra şefi için çalışma kılavuzu: Özgün bir tema üzerine varyasyonlar
A study guide fo conductors: Variations on an original theme
İBRAHİM YAZICI
- A comparision of different classification systems for automatic singer identification
Otomatik şarkıcı tanımada farklı sınıflandırma sistemlerinin karşılaştırılması
EMRAH KARAMAN
Yüksek Lisans
İngilizce
2009
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DAMLA KUNTALP
- Türk sanat müziği keman eğitiminde yay tekniği ve gam egzersizlerinin oluşturulması üzerine bir araştırma
A research on the formation of bow technique and gam exercises in Turkish art music violin education
BEHLÜL ÖĞÜT
Yüksek Lisans
Türkçe
2022
MüzikAfyon Kocatepe ÜniversitesiMüzik Ana Sanat Dalı
DR. ÖĞR. ÜYESİ YAVUZ TUTUŞ
- Çocuk seslerinin eğitimi ve geliştirilmesinde eğitimci yönelimlerinin incelenmesi
The examination of educators' inclinations in the development and the training of children's voices education
CANAN TEZCAN
Yüksek Lisans
Türkçe
2020
MüzikAfyon Kocatepe ÜniversitesiMüzik Ana Sanat Dalı
PROF. DR. EMEL FUNDA TÜRKMEN