Resumen

La recuperación automática de información musical es un área activa de investigación en la que surgen problemas como asignar automáticamente géneros o descriptores de contenido emocional a la música. Los avances recientes en el área se basan en el uso de aprendizaje profundo, lo que permite a los investigadores operar en una descripción de bajo nivel de la música. Las arquitecturas de redes neuronales profundas pueden aprender a construir representaciones de características que resumen archivos de música a partir de los datos mismos, en lugar de conocimientos expertos. En este documento se presenta un enfoque novedoso para aplicar el aprendizaje de características en combinación con máquinas de vectores de soporte a datos musicales. Un espectrograma del archivo musical, que es demasiado complejo para ser procesado por SVM, se reduce primero a una representación compacta mediante una red neuronal recurrente. Se propone un ajuste a la función de pérdida de la red para que esta aprenda a construir un espacio de representación que replique una cierta noción de similitud entre anotaciones, en lugar de hacer predicciones explícitas

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Recuperación; Información musical; Aprendizaje profundo; Aprendizaje de características; Máquinas de vectores de soporte; Red neuronal
• Keywords:Retrieval; Music information; Deep learning; Feature learning; Support vector machines; Neural network