Publicación:
Software para reconocimiento automático de acordes en canciones

Vista sencilla de ítem
dc.contributor.advisorBonet Cruz, Isis
dc.contributor.authorPérez Horta, Nicolás
dc.date.accessioned2022-11-03T12:25:02Z
dc.date.available2022-11-03T12:25:02Z
dc.date.issued2022
dc.description30 páginasspa
dc.description.abstractRESUMEN: En este trabajose plantea un modelo de Machine Learning para extraer informaciónmusicológica contenidaen los acordes de obrasmusicalesprocesadas. Posteriormente, se realiza la clasificación de esta información en 25 clases: 12 acordes mayores, 12 acordes menores y acorde no presente. El modelo propuesto está compuesto por capas de procesamiento Dense y Dropout, lo cual facilita una mayor velocidad de procesamiento.Para evaluar el desempeño del modelo, se utiliza como indicador la precisión, la cual es función de los valores positivos verdaderos y falsos positivos. Se usa como metodología de evaluaciónla validación cruzada de k-iteraciones.Los resultados obtenidos en esta evaluación muestran una precisión del 90.36% con un margen de error del 3.255%.Estos resultados se consideran aceptables dentro de la tarea de reconocimiento de acordes mayores –menores (MinMaj), teniendo en cuenta su velocidad de procesamiento y su ventana de tiempo a evaluarconstante.Además de esto, se implementa una aplicación web con nombre de Korder, que permite a sus usuarios clasificar diferentes canciones en formato mp3,obtener la información de sus acordes, y guardarla en la base dedatos creada para contar con una referencia futura sobre la información procesada y encontrada.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) de Sistemas y Computaciónspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/5657
dc.language.isospaspa
dc.publisherUniversidad EIAspa
dc.publisher.facultyEscuela de Ingeniería y Ciencias Básicasspa
dc.publisher.placeEnvigado (Antioquia, Colombia)spa
dc.publisher.programIngeniería de Sistemas y Computaciónspa
dc.rightsDerechos Reservados - Universidad EIA, 2022spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.proposalMachine Learningspa
dc.subject.proposalAcordespa
dc.subject.proposalArmoníaspa
dc.subject.proposalSoftwarespa
dc.titleSoftware para reconocimiento automático de acordes en cancionesspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
PerezNicolas_2022_SoftwareReconocimientoAcordes.pdf
Tamaño:
466.04 KB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.46 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería de Sistemas y Computación