東華大學圖書館 |

Language: English

Help

回圖書館首頁

手機版館藏查詢

Back

Switch To: Labeled | MARC Mode | ISBD

Single Musical Instrument Recognitio...

Feichtner, Esther Fee,

Linked to FindBook

Google Book

Amazon

博客來

Single Musical Instrument Recognition - A Solved Problem? = = Ist Solomusikinstrumentenerkennung Bereits Gelost? /

Record Type:	Electronic resources : Monograph/item
Title/Author:	Single Musical Instrument Recognition - A Solved Problem? =/ Esther Fee Feichtner.
Reminder of title:	Ist Solomusikinstrumentenerkennung Bereits Gelost? /
Author:	Feichtner, Esther Fee,
Description:	1 electronic resource (124 pages)
Notes:	Source: Dissertations Abstracts International, Volume: 85-06, Section: A.
Contained By:	Dissertations Abstracts International85-06A.
Subject:	Musical instruments. -
Online resource:	https://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=30744316
ISBN:	9798381027105

Single Musical Instrument Recognition - A Solved Problem? = = Ist Solomusikinstrumentenerkennung Bereits Gelost? /
Feichtner, Esther Fee,

Single Musical Instrument Recognition - A Solved Problem? =Ist Solomusikinstrumentenerkennung Bereits Gelost? /Esther Fee Feichtner. - 1 electronic resource (124 pages)

Source: Dissertations Abstracts International, Volume: 85-06, Section: A.

Solomusikinstrumenterkennung ist ein Forschungsthema, an dem schon seit Jahren geforscht wird. Als nach dem sogenannten KI-Winter die Methoden von Feature basierten Ansatzen zu kunstlichen neuronalen Netzen umschwenkten, stiegen die Erkennungsraten und die Forschungsgemeinschaft wandte sich komplexeren Problemen zu, da die Solomusikinstrumenterkennung bereits offentlich als gelost bezeichnet wurde.Ich werde in dieser Arbeit zeigen, dass die Annahmen, die zu dieser Aussage fuhren, irrig sind. In erster Linie entspricht das der falschlichen Annahme der Vergleichbarkeit von Accuracies. Um dieses Problem anzugehen, werde ich eine Evalutionsmethode einfuhren, die von weniger auseren Faktoren beeinflusst wird, und eine gut verfugbare Datenbasis vorstellen, die einen besseren Algorithmenvergleich ermoglichen.Um moglichst genau einzuschatzen, wie weit wir als Forschungsgemeinschaft wirklich bei der Losung der Solomusikinstrumenterkennung sind und um diese Grenze voranzutreiben, habe ich parallel den Feature basierten und den Ansatz mit kunstliche neuronalen Netzen weiterentwickelt, kombiniert und evaluiert. In diesem Prozess wurde sowohl ein neues Feature entwickelt und bekannte Features verbessert, als auch neuronale Netz Architekturen mit Hilfe evolutionarer Algorithmen optimiert und verglichen.

English

ISBN: 9798381027105Subjects--Topical Terms:

550167
Musical instruments.

Single Musical Instrument Recognition - A Solved Problem? = = Ist Solomusikinstrumentenerkennung Bereits Gelost? /
LDR:03819nmm a22003973i 4500 001 2436010
005 20251021115056.5
006 m o d
007 cr|nu||||||||
008 261011s2023 miu||||||m |||||||eng d
020 $a 9798381027105
035 $a (MiAaPQD)AAI30744316
035 $a (MiAaPQD)FAUErlangen23824
035 $a AAI30744316
040 $a MiAaPQD $b eng $c MiAaPQD $e rda
100 1 $a Feichtner, Esther Fee, $e author. $3 3826518
245 1 0 $a Single Musical Instrument Recognition - A Solved Problem? = $b Ist Solomusikinstrumentenerkennung Bereits Gelost? / $c Esther Fee Feichtner.
264 1 $a Ann Arbor : $b ProQuest Dissertations & Theses, $c 2023
300 $a 1 electronic resource (124 pages)
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
500 $a Source: Dissertations Abstracts International, Volume: 85-06, Section: A.
500 $a Advisors: Edler, Bernd; Schuller, Gerald.
502 $b Ph.D. $c Friedrich-Alexander-Universitaet Erlangen-Nuernberg (Germany) $d 2023.
520 $a Solomusikinstrumenterkennung ist ein Forschungsthema, an dem schon seit Jahren geforscht wird. Als nach dem sogenannten KI-Winter die Methoden von Feature basierten Ansatzen zu kunstlichen neuronalen Netzen umschwenkten, stiegen die Erkennungsraten und die Forschungsgemeinschaft wandte sich komplexeren Problemen zu, da die Solomusikinstrumenterkennung bereits offentlich als gelost bezeichnet wurde.Ich werde in dieser Arbeit zeigen, dass die Annahmen, die zu dieser Aussage fuhren, irrig sind. In erster Linie entspricht das der falschlichen Annahme der Vergleichbarkeit von Accuracies. Um dieses Problem anzugehen, werde ich eine Evalutionsmethode einfuhren, die von weniger auseren Faktoren beeinflusst wird, und eine gut verfugbare Datenbasis vorstellen, die einen besseren Algorithmenvergleich ermoglichen.Um moglichst genau einzuschatzen, wie weit wir als Forschungsgemeinschaft wirklich bei der Losung der Solomusikinstrumenterkennung sind und um diese Grenze voranzutreiben, habe ich parallel den Feature basierten und den Ansatz mit kunstliche neuronalen Netzen weiterentwickelt, kombiniert und evaluiert. In diesem Prozess wurde sowohl ein neues Feature entwickelt und bekannte Features verbessert, als auch neuronale Netz Architekturen mit Hilfe evolutionarer Algorithmen optimiert und verglichen.
520 $a Single instrument recognition is a research topic that is worked on for many years. After the AI winter the approaches switched from feature based methods to artificial neural networks. When the recognition rates increased the community moved on to harder problems, at the latest when the community announced that the single instrument recognition is solved.In this thesis I am going to show that the assumptions that are the basis for this statement are erroneous. The main reason is the misbelief of the comparability of accuracies. To approach this problem I will introduce an evaluation method that is less prone to external factors and a well obtainable data base that enables a better comparison of algorithms.To evaluate the actual level of the resolving of single instrument recognition and to push this frontier, I refined, combined, and evaluated the feature and the artificial neural network based approach. During this process a new feature was developed and well known features were improved, and artificial neural network architectures were optimized and compared by applying evolutionary programming.
546 $a English
590 $a School code: 0575
650 4 $a Musical instruments. $3 550167
650 4 $a Neural networks. $3 677449
650 4 $a Music. $3 516178
690 $a 0800
690 $a 0413
710 2 $a Friedrich-Alexander-Universitaet Erlangen-Nuernberg (Germany). $e degree granting institution. $3 3822004
720 1 $a Edler, Bernd $e degree supervisor.
720 1 $a Schuller, Gerald $e degree supervisor.
773 0 $t Dissertations Abstracts International $g 85-06A.
790 $a 0575
791 $a Ph.D.
792 $a 2023
856 4 0 $u https://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=30744316