इस विषय पर कई अलग-अलग विधियां और साहित्य का ढेर सारे दृष्टिकोण हैं। यहां कुछ हाइलाइट्स हैं जो आपकी खोज के लिए अच्छे शुरुआती बिंदु हो सकते हैं।
यदि आपकी पृष्ठभूमि गणितीय या कम्प्यूटेशनल की तुलना में अधिक संगीतमय है, तो आप डेविड कोप के कामों में दिलचस्पी ले सकते हैं । उनकी अधिकांश प्रकाशित रचनाएं शास्त्रीय संगीत के टुकड़ों के विश्लेषण पर केंद्रित हैं, लेकिन उनके पास एक निजी उद्यम है जिसे पुनः संयोजक कहा जाता है जो अधिक सामान्य लगता है। उनके बहुत से काम ने संगीत को एक भाषा प्रकार के मॉडल के रूप में इस्तेमाल किया, लेकिन मेरा मानना है कि कम से कम उनके सबसे हालिया काम दृष्टिकोण की तरह पूरे संगीत जीनोम की ओर अधिक स्थानांतरित हो गए हैं । उसके पास ऑनलाइन बहुत सारे सॉफ़्टवेयर उपलब्ध हैं , लेकिन यह आमतौर पर लिस्प में लिखा जाता है और कुछ केवल ऐप्पल के ओएस के विभिन्न संस्करणों में चल सकते हैं, हालांकि कुछ को लिनक्स में काम करना चाहिए या कहीं भी आप चलाने के लिए आम लिस्प प्राप्त कर सकते हैं ।
मशीन लर्निंग में संकेतों और संगीत का विश्लेषण बहुत लोकप्रिय समस्या रही है। पैटर्न रिकॉग्निशन और पैटर्न रिकॉग्निशन और मशीन लर्निंग के लिए क्रिस्टोफर बिशप टेक्स्ट न्यूरल नेटवर्क्स में अच्छी शुरुआती कवरेज है । यहां एक एमएससी पेपर का एक उदाहरण दिया गया है जिसमें संगीत वर्गीकरण भाग है, लेकिन फीचर निष्कर्षण पर अच्छा कवरेज है, यह लेखक कम से कम बिशप ग्रंथों और कई अन्य स्रोतों का हवाला देता है। वह विषयों पर अधिक वर्तमान पत्रों के लिए कई स्रोतों की भी सिफारिश करता है ।
ऐसी पुस्तकें जो अधिक गणितीय या सांख्यिकीय हैं (कम से कम उनके लेखकीय द्वारा नहीं तो उनकी सामग्री द्वारा):
चूँकि मैंने बिशप और मशीन लर्निंग के कम्प्यूटेशनल परिप्रेक्ष्य का उल्लेख किया है इसलिए मैं केवल आधी कहानी बताऊंगा अगर मैंने यह भी सुझाव नहीं दिया कि आप हाल ही में सांख्यिकीय लर्निंग के तत्वों (जो मुफ्त कानूनी डाउनलोड के लिए उपलब्ध है) पर एक नज़र डालें। , तिब्शीरानी, और फ्रीडमैन। मुझे याद नहीं है कि इस पाठ में विशेष रूप से एक ऑडियो प्रोसेसिंग उदाहरण है, लेकिन कवर किए गए कई तरीके इस समस्या के लिए अनुकूलित हो सकते हैं।
संगीतशास्त्र में जन बेरन के सांख्यिकी पर विचार करने लायक एक और पाठ है । यह विशेष रूप से संगीत कार्यों के विश्लेषण के लिए कई सांख्यिकीय उपकरण प्रदान करता है और इसमें कई संदर्भ भी हैं।
फिर से वहाँ कई अन्य स्रोत हैं। यह बहुत कुछ इस बात पर निर्भर करता है कि आपकी पृष्ठभूमि क्या है और उस समस्या के लिए कौन सा दृष्टिकोण है जिसके साथ आप सबसे अधिक सहज हैं। उम्मीद है कि इनमें से कम से कम कुछ उत्तर के लिए आपकी खोज में थोड़ा सा मार्गदर्शन करता है। यदि आप हमें अपनी पृष्ठभूमि के बारे में अधिक बताते हैं, तो समस्या के बारे में अतिरिक्त विवरण, या इस पोस्ट के जवाब में एक प्रश्न पूछें, मुझे यकीन है कि मैं या यहाँ के कई लोग आपको अधिक विशिष्ट जानकारी के लिए निर्देशित करने में प्रसन्न होंगे। शुभकामनाएँ!