prikaz prve stranice dokumenta Neuronske mreže za klasifikaciju glazbenog žanra
No public access
undergraduate thesis
Neuronske mreže za klasifikaciju glazbenog žanra
2023. urn:nbn:hr:168:359892
Bakač, Martin
University of Zagreb
Faculty of Electrical Engineering and Computing

Cite this document

Bakač, M. (2023). Neuronske mreže za klasifikaciju glazbenog žanra (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:359892

Bakač, Martin. "Neuronske mreže za klasifikaciju glazbenog žanra." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:359892

Bakač, Martin. "Neuronske mreže za klasifikaciju glazbenog žanra." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:359892

Bakač, M. (2023). 'Neuronske mreže za klasifikaciju glazbenog žanra', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:359892

Bakač M. Neuronske mreže za klasifikaciju glazbenog žanra [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:168:359892

M. Bakač, "Neuronske mreže za klasifikaciju glazbenog žanra", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:359892

Please login to the repository to save this object to your list.
Metadata
TitleNeuronske mreže za klasifikaciju glazbenog žanra
Title (english)Neural networks for classification of music genre
AuthorMartin Bakač
MentorIvan Đurek (mentor)
Committee memberIvan Đurek (predsjednik povjerenstva)
Committee memberMia Suhanek (član povjerenstva)
Committee memberAntonio Petošić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-07, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu opisan je postupak izdvajanja značajki iz audio signala, opisane su značajke spektrogram, melspektrogram i melfrekvencijski kepstralni koeficijenti. Teorijski su obrađene neuronske mreže te su posebno razmotrene konvolucijske neuronske mreže. Predstavljan je model neuronske mreže za klasifikaciju glazbenih žanrova. Model je vrednovan na javno dostupnom skupu podataka te je razmotren učinak stope isključivanja u slojevima za isključivanje na točnost modela. Najtočniji model postigao je točnost 82.03% na testnom skupu podataka.
Abstract (english)
This paper examines the audio signal feature extraction process and explains spectrograms, mel spectrograms and MFCCs. It contains a theoretical explanation of neural networks and more specifically covers convolutional neural networks (CNNs). A music genre classification model is proposed and tested on a publicly available dataset. The impact of the dropout rate of the models' dropout layers on the accuracy of the model is tested. The most accurate model had an test set accuracy of 82.03%.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:359892
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-07-13 09:54:00