prikaz prve stranice dokumenta Preslikavanje pjesama u ples temeljeno na neuronskim mrežama
Pristup korisnicima matične ustanove
diplomski rad
Preslikavanje pjesama u ples temeljeno na neuronskim mrežama
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2021. urn:nbn:hr:190:087160
Baćac, Ivana
Sveučilište u Rijeci
Tehnički fakultet
Zavod za računarstvo
Katedra za programsku podršku

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Baćac, I. (2021). Preslikavanje pjesama u ples temeljeno na neuronskim mrežama (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:087160

Baćac, Ivana. "Preslikavanje pjesama u ples temeljeno na neuronskim mrežama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:190:087160

Baćac, Ivana. "Preslikavanje pjesama u ples temeljeno na neuronskim mrežama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:190:087160

Baćac, I. (2021). 'Preslikavanje pjesama u ples temeljeno na neuronskim mrežama', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 24.12.2024., https://urn.nsk.hr/urn:nbn:hr:190:087160

Baćac I. Preslikavanje pjesama u ples temeljeno na neuronskim mrežama [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2021 [pristupljeno 24.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:087160

I. Baćac, "Preslikavanje pjesama u ples temeljeno na neuronskim mrežama", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:087160

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:087160
Podaci o radu
NaslovPreslikavanje pjesama u ples temeljeno na neuronskim mrežama
Naslov (engleski)Music to dance mapping based on neural networks
AutorIvana Baćac
MentorGoran Mauša (mentor)
Član povjerenstvaSandi Ljubić (predsjednik povjerenstva)
Član povjerenstvaIvan Štajduhar (član povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za računarstvo)
(Katedra za programsku podršku)
Rijeka
Datum i država obrane2021-09-20, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu demonstrirana je primjena umjetnih neuronskih mreža u rješavanju izazova preslikavanja pjesama na ples. Prikazani su postupci rješavanja navedenog izazova konvolucijskom neuronskom mrežom i višeslojnom mrežom bez povratnih veza. Model konvolucijske neuronske mreže treniran je spektrogramima, a model višeslojne neuronske mreže bez povratnih veza treniran je numericki izraženim glazbenim značajkama: tempom, brojem početnih trenutaka glazbene note ili drugog zvuka i kepstralnim značajkama. Predstavljen je model višekanalske neuronske mreže koji objedinjuje rezultatne modele konvolucijske neuronske mreže i višeslojne neuronske mreže bez povratnih veza. Validacijom navedenih modela zakljuceno je da, s točnosti 84%, najbolje rezultate ostvaruje model višekanalske neuronske mreže. Model konvolucijske neuronske mreže ostvaruje manju, ali još uvijek dobru točnost 73%, a model višeslojne neuronske mreže bez povratnih veza s točnosti 65% ostvaruje slabije rezultate.
Sažetak (engleski)
In this thesis the application of artificial neural networks in solving the challenge of mapping songs to dance is demonstrated. Procedures for solving this challenge with a convolutional neural network and a multilayer network without feedback are presented. The convolutional neural network model was trained by spectrograms, and the multilayer perceptron was trained by numerically expressed musical features: tempo, number of onsets, and cepstrum features. A multi-channel neural network model is presented, which combines trained models of the resulting convolutional neural network and multilayer perceptron. By validating these models it was concluded that, with an accuracy of 84 %, the best results are achieved by the multichannel neural network model. The convolutional neural network model achieves a lower but still good accuracy of 73 %, and the multilayer perceptron model with an accuracy of 65 % achieves poorer results.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:087160
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-10-18 09:39:58