Resumen

Con la llegada de la era de la música digital, las fuentes de audio digitales han explotado. La clasificación musical (MC) es la base para gestionar recursos musicales masivos. En este documento, proponemos un método de MC basado en aprendizaje profundo para mejorar la extracción de características y el diseño de clasificadores basados en la tarea de MC MIDI (interfaz digital de instrumentos musicales). Teniendo en cuenta que la tecnología de clasificación existente está limitada por la estructura superficial, es difícil para el clasificador aprender la secuencia temporal y la información semántica de la música; este documento propone un método MIDIMC basado en aprendizaje profundo. En el experimento, utilizamos el método de MC propuesto en este documento para lograr una precisión de clasificación del 90.1%, que es mejor que el método de clasificación existente basado en la red neuronal BP, y verificamos la música con su precisión de clasificación. El punto clave es que el método de división musical utilizado en este documento tiene una eficiencia de MC correcta. Sin embargo, debido a la capacidad limitada y al

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Era de la música digital; Clasificación musical; Aprendizaje profundo; MIDI; Diseño de clasificadores; Precisión de la clasificación.
• Keywords:Digital music era; Music classification; Deep learning; MIDI; Classifier design; Classification accuracy