Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Identificación Estructural Automática de Fragmentos Musicales

Torres Rodríguez, Carlos Andrés (2015) Identificación Estructural Automática de Fragmentos Musicales. Maestría thesis, Universidad Nacional de Colombia.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

3MB
[img] Archivo (ZIP) - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

2MB

Resumen

La identificación estructural automática es una de las líneas de investigación que forma parte de la Tecnología Musical, en la cual se aprovechan las técnicas ofrecidas por la Inteligencia Artificial (en especial el Aprendizaje Computacional) para simular el análisis de un músico experimentado en la identificación y descripción del diseño y la forma de una pieza musical. Los métodos actuales reportados en la literatura, ofrecen soluciones variadas en cuanto a la segmentación de piezas musicales y a la relación entre las divisiones propuestas, pero describen aún de forma muy simple y general las características sobresalientes, por tal razón se propuso una nueva forma de abordar el problema. Se desarrolló una metodología para la identificación estructural automática de piezas musicales que consta de: un proceso de fragmentación, una caracterización de los fragmentos contenidos, y una estrategia de búsqueda en profundidad de la mejor fragmentación posible. En el proceso de fragmentación se propusieron nuevas heurísticas para reducir el espacio de búsqueda y así recorrer las posibles fragmentaciones en un tiempo razonable. Dentro de las heurísticas se encuentra un novedoso algoritmo de particionamiento en frases fundamentado en conceptos de percepción de pausas rítmicas. Para la representación computacional de los fragmentos se propusieron nuevas características basadas en conceptos teóricos de forma y estructura. La identificación de los elementos estructurales y los rasgos característicos se realizó por medio del análisis de relaciones de similitud desde una aproximación de vistas múltiples por medio de técnicas de agrupamiento no supervisado. El algoritmo propuesto entrega como respuesta los rasgos característicos de la pieza en cuanto al agrupamiento de fragmentos similares y la discriminación de fragmentos diferenciales en cada una de las características exploradas, presentando de esta manera una descripción gráfica y numérica del diseño formal y permitiendo inferir con argumentos la estructura subyacente en la pieza musical., Abstract. Automatic Extraction of Musical Structure is one of the research areas in Music Technology, in which Artificial Intelligence offered techniques (especially the Machine Learning) used to simulate the analysis of an experienced musician in the identification and description of a musical piece design and form. Current methods reported in the literature offer a variety of solutions in terms of musical piece segmentation and the relationship between the proposed partitions, and still describe in a simple and general way the outstanding features, for this reason, a new approach is proposed. A methodology for automatic extraction of musical structure has been developed, which consist of: a fragmentation process, a content fragments characterization, and a deep search strategy for the best possible fragmentation. In the fragmentation process new heuristics are proposed in order to reduce the search space and thus explore the possible fragmentations within a reasonable time. A novel phrase partitioning algorithm is among the proposed heuristics, which is based on rhythmic breaks perception concepts. For the computational representation of the fragments, new features based on theoretical concepts of form and structure were proposed. Identification of structural elements and distinctive features was performed through similarity analysis from a multi-view approaching, using unsupervised clustering techniques. The proposed algorithm delivers as response the piece distinctive traits regarding the clustering of similar fragments and discrimination of differential fragments in each of the scanned features, thus showing a graphical and numerical description for the formal design and allowing arguments to infer the underlying structure of a musical piece.

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Niño Vásquez, Luís Fernando and Lapidus, Horacio Alberto
Información adicional:Magíster en Ingeniería. Ingeniería de Sistemas y Computación. Línea de investigación: Sistemas Inteligentes
Palabras clave:Tecnología Musical, Inteligencia Artificial, Aprendizaje Computacional, Algoritmo de Búsqueda, Agrupamiento, Aprendizaje no Supervisado, Forma Musical, Music Technology, Artificial Intelligence, Machine Learning, Search Algorithm, Clustering, Unsupervised Learning, Musical Form
Temática:0 Generalidades / Computer science, information & general works
6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
7 Las artes; Bellas artes y artes decorativas / Arts & recreation > 78 Música / Music
Unidad administrativa:Sede Bogotá > Facultad de Ingeniería > Departamento de Ingeniería de Sistemas e Industrial > Ingeniería de Sistemas
Código ID:48284
Enviado por : Mr Carlos Andrés Torres Rodríguez
Enviado el día :04 May 2015 11:41
Ultima modificación:04 May 2015 11:41
Ultima modificación:04 May 2015 11:41
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox