dc.contributor.author |
Contreras Godoy, Saúl Efrain |
|
dc.date.accessioned |
2023-09-06T17:07:57Z |
|
dc.date.available |
2023-09-06T17:07:57Z |
|
dc.date.issued |
2022 |
|
dc.identifier.uri |
https://repositorio.uvg.edu.gt/xmlui/handle/123456789/4726 |
|
dc.description |
Tesis. Licenciatura en Ingeniería en Ciencias de la Computación y Tecnologías de la Información. Facultad de Ingeniería (86 p.). |
en_US |
dc.description.abstract |
La clasificación de géneros musicales automatizada es un problema que requiere el uso de inteligencia artificial. La solución de esta problemática será útil para el emparejamiento de roles en la industria musical, a través de los géneros musicales correspondientes. Las redes neuronales son consideradas como la mejor solución para poder afrontar este problema.
Cuatro tipos de redes neuronales son propuestas como solución a esta problemática: Una
red neuronal feed-forward que obtuvo un 26.12% de efectividad, una Red convolucional
neuronal Le-Net con un 72.30% de efectividad, una red convolucional neuronal con una
capa LSTM que tiene una efectividad del 74.67 %, una red convolucional neuronal con
MaxPooling que obtuvo la mayor efectividad, siendo 77.04 %. Se construyó una plataforma
en donde se pueden encontrar todos los modelos construidos en esta investigación.
(A) |
en_US |
dc.language.iso |
es |
en_US |
dc.publisher |
Universidad del Valle de Guatemala |
en_US |
dc.subject |
Aprendizaje automático (inteligencia artificial) |
en_US |
dc.subject |
Algoritmo |
en_US |
dc.title |
Uso de algoritmos de machine learning en la clasificación de géneros musicales de pistas de audio. |
en_US |
dc.type |
Public Thesis |
en_US |