Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/3337
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | บุญเสริม กิจศิริกุล | - |
dc.contributor.author | เอกรินทร์ จิตรามัยกุล, 2517- | - |
dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
dc.date.accessioned | 2007-01-14T08:31:24Z | - |
dc.date.available | 2007-01-14T08:31:24Z | - |
dc.date.issued | 2543 | - |
dc.identifier.isbn | 9743464638 | - |
dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/3337 | - |
dc.description | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2543 | en |
dc.description.abstract | งานวิจัยนี้มีจุดประสงค์เพื่อศึกษาและพัฒนาวิธีการจำแนกคอร์ดดนตรีจากสัญญาณเสียงคอร์ดดนตรีโดยใช้ทฤษฎีดนตรี ทฤษฎีการวิเคราะห์สัญญาณเสียง และทฤษฎีทางด้านปัญญาประดิษฐ์ในการจำแนกคอร์ด ชนิดคอร์ดที่ใช้การศึกษามี 9 ชนิดคือ เมเจอร์ไมเนอร์ อ็อกเมนเต็ด ดิมินิชด์ เมเจอร์ 7 ดอมินันท์ 7 ไมเนอร์ 7 ฮาฟดิมินิชด์ 7 และ ดิมินิชด์ 7 ซึ่งเป็นคอร์ดที่อยู่ในรูปพื้นต้น ในงานวิจัยนี้มุ่งศึกษาวิธีการจำแนกคอร์ดโดยทำการหาลักษณะจังหวะจากสัญญาณเสียง และทำการจำแนกคอร์ดในแต่ละลักษณะจังหวะที่ได้ วิธีที่ใช้ในการจำแนกคอร์ดมี 2 วิธีคือวิธีการจำแนกคอร์ดโดยใช้ 1 นิวรอลเน็ตเวิร์ค และวิธีการจำแนกคอร์ดโดยใช้ 6 นิวรอลเน็ตเวิร์ค ผลการวิจัยในการจำแนกคอร์ดนี้ ใช้เพลงจำนวน 8 เพลงโดยใช้เพลงที่มีชนิดคอร์ดทั้ง 9 ชนิดเป็นชุดทดสอบ โดยวิธีการจำแนกคอร์ดโดยใช้ 1 นิวรอลเน็ตเวิร์คมีอัตราความถูกต้องเฉลี่ย 83 เปอร์เซ็นต์ และวิธีการจำแนกคอร์ดโดยใช้ 6 นิวรอลเน็ตเวิร์คมีอัตราความถูกต้องเฉลี่ย 54 เปอร์เซ็นต์ | en |
dc.description.abstractalternative | The objective of this thesis is to study and to develop a method for chord classification from musical chord sound signals by using music theory, sound signal analysis and artificial neural networks. This thesis studies nine chord types, in root position that are major, minor, augmented, diminished, major 7, minor 7, half-diminished 7 and diminished 7 chords. The method for chord classification is done by detecting rhythms from sound signals and classifying chord for each rhythm. We develop two methods for classification that are (1) chord classification by using one neural network and (2) chord classification by using six neural networks. The experiment results using eight songs, each of them has nine chord types, show that (1) the average accuracy of chord classification by using one neural network is 83 percent (2) the average accuracy of chord classification by using six neural networks is 54 percent. | en |
dc.format.extent | 9104208 bytes | - |
dc.format.mimetype | application/pdf | - |
dc.language.iso | th | en |
dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en |
dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en |
dc.title | การจำแนกคอร์ดจากสัญญาณเสียงคอร์ดดนตรี | en |
dc.title.alternative | Chord classification from musical chord sound signals | en |
dc.type | Thesis | en |
dc.degree.name | วิทยาศาสตรมหาบัณฑิต | en |
dc.degree.level | ปริญญาโท | en |
dc.degree.discipline | วิทยาศาสตร์คอมพิวเตอร์ | en |
dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en |
dc.email.advisor | boonserm@cp.eng.chula.ac.th, Boonserm.K@chula.ac.th | - |
Appears in Collections: | Eng - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Eagarin.pdf | 3.4 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.