基于深度学习的竹笛吹奏技巧自动分类
提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breathld和Breath2d,并针对此数据集的不同分类任务给出了最佳方法.将Breath数据集划分成子集,以多层感知机为性能评价基准方法,先用Breathld和Breath2d 模型对子集进行训练和预测,再用长短期记忆网络模型进行辅助测试,最后得出了最适合子任务的分类参考模型.对全数据集进行分类时,将Breath2d与Breathld模型进行融合,并采用数据增强方法使全集分类准确率达到0.913.与传统音频分类任务相比,该工作扩展了音乐分类的研究领域,对民族音乐现代化发展有着良好的推动作用.
人工智能 模式识别 神经网络 深度学习 音频分类
郭毓博 陆军 段鵬启
黑龙江大学计算机科学技术学院,黑龙江哈尔滨150080 黑龙江大学计算机科学技术学院,黑龙江哈尔滨150080;黑龙江大学黑龙江省数据库与并行计算重点实验室,黑龙江哈尔滨150080
国内会议
湖北襄阳
中文
685-694
2020-10-16（万方平台首次上网日期，不代表论文的发表时间）