Yapay sinir ağları kullanılarak müzik enstrümanlarının ayırtedilmesi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
ÖZET Yapay sinir ağlan insan beyninin bazı fonksiyonlarını ve özellikle öğrenme yöntemlerini benzetim yolu ile gerçekleştirmek için tasarlanır. Bu ağlar geleneksel yöntem ve mantıksal geçitlerin zorlandığı sınıflandırma, kümeleme, duyu veri işleme ve çok duyulu makine gibi alanlarda başarılı sonuçlar verir. Müzik enstrümanlarının farklarını ortaya koyma ve bunları sınıflandırma problemine, yapay sinir ağlan ile çözüm bulmaya benzer çalışmalar yaygın değildir. Konuşmacının tanınması veya sesin tanınması problemlerinin çözümünde daha yaygın araştırmalar yapılmıştır. Bu tezde müzik enstrümanlannın tanınması probleminin çözümü için ağlardan Kendi Kendine Organize Haritalar kullanılmıştır. Bu haritalar özellikle sınıflandırma problemlerindeki başansı dolayısıyla seçilmiştir. Bu sınıflandırma problemi hakkında yapılan çalışmalarda kullanılan diğer algoritmalardan, bir öğreten olmaması (unsupervised) yönüyle farklıdır. Bu yönüyle insan öğrenmesine daha çok benzemektedir. Bu tezde elde edilen ağ ile dört ayn enstrüman (kanun, ney, kemence ve tanbur) tanınabilmekte ve sınıflandınlabilmektedir. Ağ ile yapılan simülasyon denemelerinde her enstrümandan alınan 10' ar toplam 40 örnekten 5' i doğru sınıflandınlamamıştır. Sporring, Moller ve Hjaeresen'in çalışmasında ise ileri beslemeli bir ağ kullanılmış ve geriye yayılım metodu ile ağ eğitilmiştir. Bu çalışmada, piyano, flüt ve gitar sesi örneklerinin 13 'ünden 4'ü doğru sınıflandınlamamıştır. Yapılan denemelerde gerçek hayattaki dış etkenlerin (gürültü, ses örneği uzunluğu v.b.), tezde elde edilen ağ üzerindeki etkileri değerlendirilmiştir. Ağın tanıması istenilen ses örneklerinin uzunluklan değiştirilerek yapılan denemelerde belli bir uzunluğa eriştikten sonra (~3 sn) ağın tanıma başansı (~%90) sabit kalmakta kısaldıkça ise basan düşmektedir (0,1 sn'de hiç bir enstrüman tanınamamaktadır). Ses örneklerine gürültü eklenerek yapılan deneyde ise ağın başansının gürültüden etkilendiği gözlenmektedir. Gürültü oranı %100 olduğunda başanm %35'e düşmekte ve 6dB zayıflatılmış gürültüde ise (%50 zayıflatılmış) başanm %45'e çıkmaktadır. Sonuç olarak yapay sinir ağlarından birisi olan KKOH kullanılarak, sıradan mantıksal geçitlerin çözmekte zorlandığı bu probleme bir çözüm yaratılabilmiştir. iv ABSTRACT Artificial neural networks are designed to realize learning processes of human brain. These networks are used for solving classification, clustering, sense processing and multi-sense machine problems. In this thesis, our problem is to classify the musical instruments by using neural networks. Very little work has previously been done on this type of problem, except in the related fields of automatic speaker recognition, and pitch recognition. To solve this problem, Self Organizing Maps algortihm is used. This map is chosen because of the success in classification problems. In addition to this feature, this algoritm is an unsupervised learning method, therefore it differs, from the other methods and is similar to human brain learning. Recognition and classification of four different instruments (kanun, kemence, ney and tanbur) is possible by using created network. It is seen that the network is failed 5 samples over 40. In Sporring, Moller and Hjaresen's study a feed-forward network with Back-Propagation Algorithm is used to classify 3 instruments (piano, flute and guitar). Efficiency of this network is approximately 69,2%. It is evaluated the outdoor effects (like noise and duration of samples) on the created network by some simulations. It is seen that after the certain value of the sample's duration (~3 s) the efficiency of classification is constant (87,5%). When the length is decreased to 0.1 s the network is failed to classify any sample from the set and when the 100% noise is added to the samples then the efficiency is decreased to %35 and with %50 noise it is increased to 45%. As a result, by using one of the neural network algorithm (SOM), it is possible to recognize and classify musical instruments.
Collections