ІНТЕЛЕКТУАЛЬНА СИСТЕМА КЛАСИФІКАЦІЇ АУДІОФАЙЛІВ
DOI:
https://doi.org/10.34185/1562-9945-5-162-2026-24Ключові слова:
штучний інтелект, нейронні мережі, машинне навчання, інтелектуальна система, розв’язок задачі класифікації, метрики якості розпізнавання, оптимізація параметрів моделі, методи ансамблевого голосування, аудіоознаки, музичні жанриАнотація
Інтенсивне збільшення обсягу цифрових музичних даних актуалізує питання їх структуризації з метою полегшення доступу для користувачів. Жанрова класифікація є одним із ефективних засобів організації музичних творів, що сприяє персо-налізованому вибору композицій і генерації релевантних рекомендацій. Метою даного дослідження є аналіз ефективності поєднання різних аудіоознак для реалізації жанро-вої класифікації із застосуванням багатошарового перцептрона та визначення шляхів покращення точності розпізнавання. Розглянуто методи розрахунку часових і час-тотних акустичних характеристик, реалізовано автоматичний підбір гіперпара-метрів за допомогою бібліотеки Optuna, проведено навчання і тестування моделі на основі датасету GTZAN. Запропоновано механізм покращення якості класифікації шляхом додаткової обробки результатів передбачення нейромережі за допомогою методів жорсткого, м’якого та рангового голосування за методом Борда. Отримані результати демонструють істотне підвищення точності класифікації у порівнянні з базовими підходами.
Посилання
Jain, S., Yadav, S., Prabir, P., & Sundar, S. (2021, June 6). Music information retrieval and classification using deep learning. International Research Journal of Engineering and Tech-nology (IRJET), Vol. 08, P. 1059-1066.
Hu, Y., & Mogos, G. (2022, February). Music genres classification by deep learning. In-donesian Journal of Electrical Engineering and Computer Science, [S.l.], Vol. 25, No. 2, P. 1186-1198. DOI: https://doi.org/10.11591/ijeecs.v25.i2.pp1186-1198
Umale, A., Mehul, Bhandw, P., Bagwan, S., & Patil, S. M. (2023, May 13). Music genre classification. International Journal of Advanced Research in Science, Communication and Technology (IJARSCT), Vol. 3, P. 414-425.
Ashraf, M., Abid, F., Din, I.U., Rasheed, J., Yesiltepe, M., Yeo, S.F., & Ersoy, M.T. (2023). A Hybrid CNN and RNN variant model for music сlassification. Applied Sciences, 13(3), 1476. DOI: https://doi.org/10.3390/app13031476
Tkalychenko, S.V. (2023). Shtuchni neyronni merezhi [Artificial neural networks]. Kryvyi Rih: Derzhavnyi universytet ekonomiky i tekhnolohii [in Ukrainian].
Subbotin, S.O. (2020). Neyronni merezhi: teoriia ta praktyka [Neural networks: theory and practice]. Zhytomyr [in Ukrainian].
Nielsen M. (2013). Neural networks and deep learning. URL: http://neuralnetworksanddeeplearning.com
Tzanetakis, G., & Cook, P. (2002, July). Musical genre classification of audio signals. IEEE Transactions on Speech and Sudio Processing, Vol. 10, No. 5. URL: https://www.cs.cmu.edu/~gtzan/work/pubs/tsap02gtzan.pdf
Zheng, J., & Oussalah, M. (2006). Automatic system for music genre classification. URL: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=342e83b5272b701b225b289e817bb8d92db0fad2
Simic, M., & Aibin, M. (2025, February 28). Milos Simic, Michal Aibin. Hard vs. soft voting classifiers. URL: https://www.baeldung.com/cs/hard-vs-soft-voting-classifiers
Drotar, P., Gazda, M., & Vokorokos, L. (2019). Peter Drotar, Matej Gazda, Liberios Vokorokos. Ensemble feature selection using election methods and ranker clustering. Infor-mation Sciences, Vol. 480, P. 365-380.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Системні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
