文献

J-GLOBAL ID：201802252041757432   整理番号：18A2097623

LSTMとSVMを用いた音楽ジャンル分類のためのハイブリッドモデル【JST・京大機械翻訳】

A Hybrid Model for Music Genre Classification Using LSTM and SVM

著者 (4件)： Fulzele Prasenjeet (Dept. of Computer Science, Jaypee Institute of Information Technology, Uttar Pradesh, India) ,  Singh Rajat (Dept. of Computer Science, Jaypee Institute of Information Technology, Uttar Pradesh, India) ,  Kaushik Naman (Dept. of Computer Science, Jaypee Institute of Information Technology, Uttar Pradesh, India) ,  Pandey Kavita (Dept. of Computer Science, Jaypee Institute of Information Technology, Uttar Pradesh, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IC3  ページ： 1-3  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日の切れ刃技術とインターネットによる大量のデータファイルへのアクセス不能なアクセスにより,あらゆるユーザの計算の必要性を満たすことが重要である。機械学習は,ユーザが実行可能なこのような要求を持つ人工知能の一つの成長ブランチである。機械学習モデルは,音楽ジャンル分類のような分類技術に対する道を開いており,クラスを大きく予測するのに効率的であることが示されている。データセットの時間依存性を利用するために,長い空間記憶(LSTM)ニューラルネットワークを,音楽ジャンル分類のために使用して,その性能を強化するために,サポートベクトルマシン(SVM)分類装置と結合した。これら2つの分類器のハイブリッドモデルは,個々のモデルの予測精度の増加をもたらした。このハイブリッドモデルをGTZAN音楽データセットに課し,LSTMとSVMの独立モデルの結果と比較した。提案したモデルは,LSTMとSVM分類器の独立した精度を89%の精度で超え,各分類器の効率的な利用を再確認した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 人工知能 ,  時間依存性 ,  サポートベクトルマシン ,  機械学習 ,  インターネット ,  *音楽 ,  ニューラルネットワーク ,  分類装置 ,  切れ刃
準シソーラス用語： SVM分類 ,  予測精度 ,  空間記憶 ,  情報へのアクセス ,  *ハイブリッドモデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： LSTM ,  SVM ,  音楽 ,  分類 ,  ハイブリッドモデル