基于深度学习的数字音乐流派分类研究

摘要：

针对目前基于深度学习的数字音乐流派分类算法准确性较低的问题,提出了一种基于ECAPA-TDNN的ECAPA-TDNN-BLSTM模型.该模型将双向LSTM网络融合到ECAPA-TDNN模型中,以获取更多关于时间上下文的信息,从而提高模型的准确性.本文使用包含十种音乐流派的1000首歌曲的数据集进行了测试,并在测试集中获得了良好的结果.经过1000个epoch的训练,最后50个epoch的平均准确率为96.07％,证明该模型的有效性.结果表明,与现有模型相比,本文提出的模型对音乐流派的分类识别准确率有一定的提升.

关键词：时延神经网络、长短期记忆网络、深度学习、数字音乐流派分类

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：国家数字复合出版系统工程应用示范中共宣传部项目11000301118

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：37-44