基于深度学习的数字音乐流派分类研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1004-8626.2023.06.008

基于深度学习的数字音乐流派分类研究

引用
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.

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

31

TP18(自动化基础理论)

国家数字复合出版系统工程应用示范中共宣传部项目11000301118

2023-06-08(万方平台首次上网日期,不代表论文的发表时间)

共8页

37-44

相关文献
评论
暂无封面信息
查看本期封面目录

北京印刷学院学报

1004-8626

11-3136/TS

31

2023,31(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn