Zobrazeno 1 - 10
of 1 066
pro vyhledávání: '"music signal processing"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lazaros Moysis, Lazaros Alexios Iliadis, Sotirios P. Sotiroudis, Achilles D. Boursianis, Maria S. Papadopoulou, Konstantinos-Iraklis D. Kokkinidis, Christos Volos, Panagiotis Sarigiannidis, Spiridon Nikolaidis, Sotirios K. Goudos
Publikováno v:
IEEE Access, Vol 11, Pp 17031-17052 (2023)
The discipline of Deep Learning has been recognized for its strong computational tools, which have been extensively used in data and signal processing, with innumerable promising results. Among the many commercial applications of Deep Learning, Music
Externí odkaz:
https://doaj.org/article/8bc73aef381c4d24923028c584c69d8c
Autor:
Meinard Müller, Ching-Yu Chiu
Publikováno v:
Transactions of the International Society for Music Information Retrieval, Vol 7, Iss 1, Pp 179–194-179–194 (2024)
In Music Information Retrieval (MIR), a general goal is to recognize times of novelty within music recordings. This includes estimating structural boundaries through the detection of changes in harmony, tempo, or instrumentation and identifying onset
Externí odkaz:
https://doaj.org/article/7e329f99672a4a9ab690f7f0aa8ef393
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Computer-Aided Design & Applications. 2024 Special Issue, Vol. 21, p222-238. 17p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proc. of the First Int. Workshop on Deep Learning and Music joint with IJCNN. Anchorage, US. 1(1). pp 36-30 (2017)
We propose a novel neural network model for music signal processing using vector product neurons and dimensionality transformations. Here, the inputs are first mapped from real values into three-dimensional vectors then fed into a three-dimensional v
Externí odkaz:
http://arxiv.org/abs/1706.09555
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In this paper, we present madmom, an open-source audio processing and music information retrieval (MIR) library written in Python. madmom features a concise, NumPy-compatible, object oriented design with simple calling conventions and sensible defaul
Externí odkaz:
http://arxiv.org/abs/1605.07008