{"id":2844,"date":"2022-08-14T00:31:43","date_gmt":"2022-08-14T00:31:43","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/?p=2844"},"modified":"2022-08-14T00:31:43","modified_gmt":"2022-08-14T00:31:43","slug":"identificacion-de-versiones-musicales-utilizando-aprendizaje-maquinal","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=2844","title":{"rendered":"Identificaci\u00f3n de versiones musicales utilizando aprendizaje maquinal"},"content":{"rendered":"\n

 Descargar versi\u00f3n PDF<\/a><\/p>\n\n\n\n

Profesora<\/strong>: Fabiola Margarita Mart\u00ednez Licona<\/a><\/p>\n\n\n\n

Resumen<\/strong>: La intersecci\u00f3n entre la m\u00fasica, el aprendizaje maquinal y el procesamiento de se\u00f1ales ha permitido abordar un amplio rango de tareas entre las que se pueden mencionar identificaci\u00f3n autom\u00e1tica de melod\u00edas, acordes, instrumentos, tiempos, estructuras a largo plazo, g\u00e9nero, artista, etc. Con respecto a la extracci\u00f3n de caracter\u00edsticas, pueden aplicarse los m\u00e1s diversos m\u00e9todos de an\u00e1lisis de se\u00f1ales a elementos como la melod\u00eda, el ritmo y el timbre; t\u00e9cnicas para el an\u00e1lisis del pitch, representaciones tiempo-frecuencia, espectrogramas en frecuencia logar\u00edtmica, representaciones de octavas de notas en tiempo y frecuencia, seguimiento del ritmo, etc., han sido probadas con relativo \u00e9xito para el an\u00e1lisis de piezas musicales.<\/p>\n\n\n\n

La descomposici\u00f3n de una pieza musical compleja en los diferentes componentes puede ser un paso de preprocesamiento muy importante para un gran n\u00famero de aplicaciones. En el caso de la identificaci\u00f3n de versiones de m\u00fasica, tambi\u00e9n llamadas covers, esta tarea tradicionalmente se ha resuelto mediante el an\u00e1lisis del contenido tonal de la pieza musical. Uno de los problemas con que se enfrenta la identificaci\u00f3n de covers musicales es la cantidad de informaci\u00f3n que debe ser analizada, se han reportado trabajos alrededor de esta tarea en bases de datos relativamente peque\u00f1as de algunos miles de canciones. En algunos trabajos se han aplicado modelos basados en \u201chuellas digitales\u201d a una base de datos grande (un mill\u00f3n de canciones) para la identificaci\u00f3n de canciones con un resultado por arriba del 70% de reconocimiento correcto; para esta tarea se puede pensar en separar la melod\u00eda principal y el acompa\u00f1amiento para realizar la identificaci\u00f3n de manera independiente y explorar las arquitecturas que presentan las t\u00e9cnicas de aprendizaje profundo. En este proyecto se aplicar\u00e1n m\u00e9todos de aprendizaje maquinal para la identificaci\u00f3n de versiones o covers de piezas musicales.<\/p>\n\n\n\n

Objetivo general<\/strong><\/p>\n\n\n\n