Il seguente lavoro pone come obbiettivo lo sviluppo di un sistema di riconoscimento e classificazione degli strumenti musicali mediante l'impiego di tecniche di apprendimento automatico. Nel corso dello studio, ho confrontato le performance di due modelli di machine learning, Support Vector Machine (SVM) e k-Nearest Neighbors (KNN), al fine di valutare la loro efficacia nella classificazione degli strumenti musicali. I risultati forniti contribuiscono a una comprensione approfondita delle prestazioni di tali approcci nel contesto specifico del riconoscimento degli strumenti musicali basato su dati audio.
Metodi Statistici per il riconoscimento Automatico di Strumenti Musicali
CERA, ALBERTO
2023/2024
Abstract
Il seguente lavoro pone come obbiettivo lo sviluppo di un sistema di riconoscimento e classificazione degli strumenti musicali mediante l'impiego di tecniche di apprendimento automatico. Nel corso dello studio, ho confrontato le performance di due modelli di machine learning, Support Vector Machine (SVM) e k-Nearest Neighbors (KNN), al fine di valutare la loro efficacia nella classificazione degli strumenti musicali. I risultati forniti contribuiscono a una comprensione approfondita delle prestazioni di tali approcci nel contesto specifico del riconoscimento degli strumenti musicali basato su dati audio.File | Dimensione | Formato | |
---|---|---|---|
Cera_Alberto.pdf
accesso aperto
Dimensione
862.87 kB
Formato
Adobe PDF
|
862.87 kB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/64134