播放列表推荐者-预测音频文件的流派和风格
帮助音乐网站准确预测流派和情绪的辅助模型。
如今，一切都与个性化有关，这增加了使用音乐信息检索（MIR）中的深度学习领域进行的研究和完成的工作数量。 音乐的价位和流派在音乐推荐系统中起着重要的作用。 该项目旨在通过使用-CNN，RCNN，CNN-LSTM和CNN-GRU等模型来帮助音乐网站准确识别音频文件的类型和价。
数据与功能
通过从免费音乐档案（FMA）中提取30秒的音乐音频来创建数据集。 它包括“摇滚”，“流行”，“民间”，“乐器”和“电子”五种音乐流派。 使用librosa库提取每个音频剪辑的特征，例如梅尔频谱图和梅尔频率倒谱系数（MFCC）作为输入。 功能选择：使用梅尔频谱图和MFCC，因为频段在梅尔刻度上等距分布，这近似于人类听觉系统的响应
出于Keunwoo Choi的工作，我使用Yu等人Choi等人建立了基本模型
型号规格
训练了
2021-07-15 18:23:53
77KB
1
Machine-Learning-Geological-Mapping-Soil-Geochemistry:机器学习项目，可使用土壤样本地球化学来预测潜在的地质情况。 测试地形数据，采样方法，机器学习算法和多个分类器系统的优势
2021-06-30 21:13:32
31KB
1