Year: 2026
Type: dissertation
Abstract: Izvleček: V tej diplomski nalogi primerjamo tri klasične klasifikatorje strojnega učenja (k-nearest neighbors -kNN, support vector machine -SVM in XGBoost) z umetno nevronsko mrežo (ANN) in konvolucijsko nevronsko mrežo (CNN) pri razvrščanju glasbenih žanrov na podatkovni zbirki GTZAN.Klasični modeli in ANN so bili ocenjeni na treh tabelaričnih predstavitvah značilnosti, ki se razlikujejo po številu vzorcev in stopnji podrobnosti, CNN pa je bila ocenjena na slikah melspektrogramov.Najuspešnejše konfiguracije posameznih modelov so bile določene z optimizacijo hiperparametrov ter primerjane na podlagi klasifikacijske točnosti in matrik napačnih klasifikacij (confusion matrices) Na uspešnost modelov je imela predstavitev značilnosti večji vpliv kot izbira klasifikatorja: vsi modeli so dosegli najboljše rezultate na največjem in najbolj podrobnem naboru značilnosti, najslabše pa na najbolj okrnjenem naboru.Noben klasifikator ni bil dosledno najuspešnejši -XGBoost, SVM in ANN so bili vsak najuspešnejši na drugem naboru značilnosti, medtem ko je bil kNN pri vseh naborih le nekoliko slabši.CNN je dosegel bistveno slabše rezultate in izkazoval izrazito prekomerno prileganje, kar je mogoče pripisati omejenemu številu razpoložljivih spektrogramskih slik.Rezultati kažejo, da so pri majhni podatkovni zbirki, kot je GTZAN, dobro zasnovane tabelarične značilnosti zvočnega signala učinkovitejše od učenja neposredno iz spektrogramov ter da povečanje števila učnih vzorcev prinaša večje izboljšanje kot zgolj izbira drugega modela.
Author: Križman, Etian
Language: English
Topic: Music and Audio Processing
Subfield: Signal Processing
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7225032861