Чи є MFCC оптимальним методом подання музики до системи пошуку?

Техніка обробки сигналу, частота Cepstrum Mel , часто використовується для отримання інформації з музичного твору для використання в завданні машинного навчання. Цей метод дає короткочасний спектр потужності, а коефіцієнти використовуються як вхідні.

При проектуванні систем пошуку музики такі коефіцієнти вважаються характерними для твору (очевидно, не обов'язково унікальні, але розрізняючі). Чи є якісь характеристики, які б краще відповідали навчанню за допомогою мережі? Чи ефективніші в часі характеристики, такі як прогресування басів у творі, використаному в щось на зразок мережі Elman ?

Які характеристики б формували достатньо обширний набір, за яким класифікація могла б відбуватися?

Ми трохи попрацювали над цим в один момент. Набір функцій, які ми витягли, наведені в цій роботі про практикум NIPS . Я маю визнати, що ми не змогли повторити результати деяких інших авторів у цій галузі, хоча існували певні сумніви щодо наборів даних, які використовуються в них (зауважте, що набори даних, використані авторами в цьому полі, як правило, підбираються вручну і не випускаються громадськості, з міркувань авторських прав, хоча це не завжди так). По суті всі вони були короткочасними спектральними ознакамиз кинутими також коефіцієнтами авторегресії. Ми розглядали класифікацію жанру, яку, як ми знаємо, може бути зроблено людьми (хоча не з чудовою точністю і не за незгодженою згодою ....) у дуже короткі часові рамки (<1s), що підтверджує використання короткострокових особливостей . Якщо вам цікаво робити складніші речі, ніж типова класифікація жанру / виконавця / альбому / продюсера, то, можливо, вам знадобляться більш дальні функції, інакше ці короткочасні спектральні характеристики мають найкращі результати.