MFCCs เป็นวิธีที่ดีที่สุดในการแสดงเพลงไปยังระบบดึงข้อมูลหรือไม่?

เทคนิคการประมวลสัญญาณที่Mel frequency Cepstrumมักใช้เพื่อดึงข้อมูลจากชิ้นดนตรีเพื่อใช้ในงานการเรียนรู้ของเครื่อง วิธีนี้ให้สเปกตรัมพลังงานระยะสั้นและค่าสัมประสิทธิ์ถูกใช้เป็นอินพุต

ในการออกแบบระบบดึงเพลงค่าสัมประสิทธิ์ดังกล่าวถือเป็นลักษณะของชิ้นส่วน (เห็นได้ชัดว่าไม่จำเป็นต้องเป็นเอกลักษณ์ แต่แตกต่าง) มีคุณสมบัติใดบ้างที่เหมาะกับการเรียนรู้กับเครือข่ายมากขึ้น? ลักษณะที่เปลี่ยนแปลงตามเวลาเช่นความก้าวหน้าของเสียงเบสของชิ้นส่วนที่ใช้ในบางอย่างเช่นเครือข่าย Elmanทำงานได้อย่างมีประสิทธิภาพมากขึ้นหรือไม่

ลักษณะใดที่จะก่อให้เกิดการจัดหมวดหมู่ที่ครอบคลุมพอที่จะเกิดขึ้น

เราทำงานนี้ในจุดหนึ่ง ชุดคุณสมบัติที่เราแตกออกมามีอยู่ในกระดาษฝึกอบรมเชิงปฏิบัติการของ NIPSนี้ ฉันต้องยอมรับว่าเราไม่สามารถทำซ้ำผลลัพธ์ของผู้เขียนคนอื่น ๆ ในฟิลด์แม้ว่าจะมีข้อสงสัยเกี่ยวกับชุดข้อมูลที่ใช้ในสิ่งเหล่านี้ (โปรดทราบว่าชุดข้อมูลที่ผู้เขียนใช้ในสาขานี้มักจะเลือกด้วยมือและไม่เผยแพร่ ต่อสาธารณชนด้วยเหตุผลทางลิขสิทธิ์แม้ว่าจะไม่เป็นเช่นนั้นเสมอไป) โดยพื้นฐานแล้วพวกมันล้วนเป็นคุณสมบัติทางสเปกตรัมระยะสั้นด้วยค่าสัมประสิทธิ์ Autoregression เรากำลังดูการจัดประเภทของประเภทซึ่งเรารู้ว่าสามารถทำได้โดยมนุษย์ (แม้ว่าจะไม่ได้มีความแม่นยำที่ยอดเยี่ยมและไม่สอดคล้องกับข้อตกลง .... ) ใน timespans สั้นมาก (<1s) ซึ่งตรวจสอบการใช้คุณสมบัติระยะสั้น . หากคุณสนใจที่จะทำสิ่งที่ซับซ้อนกว่าประเภททั่วไปศิลปิน / อัลบั้ม / โปรดิวเซอร์คุณอาจต้องใช้คุณสมบัติระยะยาวมากขึ้นมิฉะนั้นคุณสมบัติสเปกตรัมระยะสั้นเหล่านี้มักจะทำงานได้ดีที่สุด