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.
2023
Statistical Methods for Automatic Recognition of Musical Instruments
Analisi Statistica
Modelli Predittivi
PCA
k-NN
SVM
File in questo prodotto:
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

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/64134