dc.contributor.advisor | Simois Tirado, Francisco José | es |
dc.creator | Salgado Díaz del Río, Aurora | es |
dc.date.accessioned | 2020-01-08T15:43:25Z | |
dc.date.available | 2020-01-08T15:43:25Z | |
dc.date.issued | 2019 | |
dc.identifier.citation | Salgado Díaz del Río, A. (2019). Reconocimiento automático de instrumentos mediante aprendizaje máquina. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/91372 | |
dc.description.abstract | En este proyecto se pretende abordar el análisis de los algoritmos de Aprendizaje Máquina con el objetivo
de clasificar automáticamente sonidos de distintos instrumentos y a su vez razonar cuales son las
características más significativas para poder realizar un reconocimiento óptimo de cada uno. En este caso
particular, los instrumentos a analizar son: el violín, el piano eléctrico, el saxofón, el clarinete, la guitarra y el
oboe. Para ello se han extraído sesenta características de cada uno de los audios a clasificar y posteriormente
se han utilizado técnicas de aprendizaje automático para realizar el reconocimiento de los instrumentos. En
concreto, se ha utilizado los algoritmos PCA, LDA, KNN, Random Forest y redes neuronales multicapa. Por
último se verá una tabla de los resultados óptimos con sus respectivos algoritmos y parámetros. | es |
dc.description.abstract | The aim of this project is to approach the analysis of Machine Learning algorithms in order to classify
automatically sounds from different instruments and at the same time to justify which are the most
significant features in order to perform an optimal recognition of each of the instruments to be classified.
In this particular case, the instruments to be analyzed are: the violin, the electric piano, the saxophone, the
clarinet, the guitar and the oboe. Futhermore, sixty features of each of the audios to be classified have been
extracted and later automatic learning techniques have been used to perform the recognition of the instruments.
In particular, the algorithms are PCA, LDA, KNN, Random Forest and multilayer neural networks. layer
neural networks. Finally there is a table of the optimal results with their respective algorithms and parameters. | es |
dc.format | application/pdf | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Reconocimiento automático de instrumentos mediante aprendizaje máquina | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones | es |
dc.description.degree | Universidad de Sevilla. Grado en Ingeniería de Tecnologías de Telecomunicación | es |
idus.format.extent | 74 p. | es |