एक सिग्नल प्रोसेसिंग तकनीक, मेल फ़्रीक्वेंसी सेफस्ट्रम , का उपयोग अक्सर मशीन लर्निंग कार्य में उपयोग के लिए एक संगीत टुकड़े से जानकारी निकालने के लिए किया जाता है। यह विधि एक अल्पकालिक बिजली स्पेक्ट्रम देती है, और गुणांक इनपुट के रूप में उपयोग किया जाता है।
म्यूजिक रिट्रीवल सिस्टम डिजाइन करने में, इस तरह के गुणांक को एक टुकड़े की विशेषता माना जाता है (जाहिर है कि यह अद्वितीय नहीं है, लेकिन विशिष्ट है)। क्या ऐसी कोई विशेषताएँ हैं जो किसी नेटवर्क के साथ सीखने में बेहतर होंगी? क्या समय की भिन्न-भिन्न विशेषताएं, जैसे कि एल्मन नेटवर्क जैसी किसी चीज़ में उपयोग की जाने वाली टुकड़ा की बास प्रगति अधिक प्रभावी ढंग से काम करती है?
कौन सी विशेषताएँ एक व्यापक पर्याप्त सेट बनाती हैं, जिस पर वर्गीकरण हो सकता है?
क्या आप पुनर्प्राप्ति पर काम कर रहे हैं, जहां आप एक विशेष ऑडियो क्लिप के अद्वितीय गुणों की तलाश कर रहे हैं? या क्या आप समान संगीत की पहचान करना चाहते हैं?
—
एंड्रयू रोसेनबर्ग
@AndrewRosenberg इसी तरह के संगीत की पहचान की तर्ज पर।
—
जोंस्का
(वर्षों बाद), एमएफसीसी के साथ छेड़छाड़ करने के कई तरीके हैं; Kinunnen et al।, फ़्रीक्वेंसी वारपिंग और रोबस्ट स्पीकर वेरिफिकेशन: ए कम्पेरिसन ऑफ़ अल्टरनेटिव मेल-स्केल रिप्रेजेंटेशन २०१३, ५ पी, ६० गुणांक का उपयोग करें। और, अनुकूलन क्या? किस गैर-खुले डेटाबेस पर? तो मैं कहूंगा (गैर-विशेषज्ञ) कि सवाल जवाबदेह होने के लिए बहुत व्यापक है।
—
डेनिस
@denis जानकारी के लिए धन्यवाद। यह बदकिस्मत मशीन लर्निंग बीटा (पहली बार के आसपास) से आया था। मैं सराहना करता हूं कि यह थोड़ा अस्पष्ट है।
—
जोंसा