บริการเพื่อการตรวจจับอัตราเร็วจังหวะและเครื่องหมายกำหนดจังหวะของเพลงจากแฟ้มข้อมูลเอ็มพี 3

พชระ เจริญกิจ; สุรเกียรติ รอบคอบ

dc.contributor.advisor	ฑิตยา หวานวารี
dc.contributor.author	พชระ เจริญกิจ
dc.contributor.author	สุรเกียรติ รอบคอบ
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
dc.date.accessioned	2022-05-02T02:15:32Z
dc.date.available	2022-05-02T02:15:32Z
dc.date.issued	2562
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/78495
dc.description	โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2562	en_US
dc.description.abstract	โครงงานการวิจัยเรื่อง “บริการเพื่อการตรวจจับอัตราเร็วจังหวะและเครื่องหมายกำหนดจังหวะของเพลงจากแฟ้มข้อมูลเอ็มพี 3” มีวัตถุประสงค์ คือ พัฒนาบริการสำหรับตรวจจับอัตราเร็วจังหวะและเครื่องหมายกำหนดจังหวะจากแฟ้มข้อมูลเอ็มพี 3 เพื่อประเมินความถูกต้องเฉลี่ยของตัวแบบ สำหรับตัวแบบที่ใช้ในการทำนายอัตราเร็วจังหวะ ทางผู้วิจัยได้ทำการทดลองปรับแต่งตัวแบบ ทั้งในด้านการปรับค่าอัตราการเรียนรู้ การปรับน้ำหนักของตัวแบบใหม่ตามข้อมูลนำเข้า และสำหรับตัวแบบที่ใช้ในการทำนายเครื่องหมายกำหนดจังหวะ ทางผู้วิจัยได้ทำการปรับแต่งตัวแบบในด้านการลดจำนวนชั้นของมอดูลในตัวแบบลง และการปรับน้ำหนักของตัวแบบใหม่ตามข้อมูลนำเข้า ในด้านผลลัพธ์ของการทำนาย สำหรับการทำนายอัตราเร็วจังหวะ ตัวแบบที่เกิดจากการปรับน้ำหนักตามข้อมูลนำเข้าและค่าอัตราการเรียนรู้เป็น 0.001 นั้นให้ผลลัพธ์ได้ดีที่สุด โดยมีค่าความถูกต้องเฉลี่ยร้อยละ 73 ซึ่งมีค่าสูงกว่าการใช้ตัวแบบดั้งเดิม และสำหรับตัวแบบที่ใช้ในการทำนายเครื่องหมายกำหนดจังหวะ ตัวแบบที่ทำการปรับแต่งน้ำหนัก และตัวแบบที่มีการลดจำนวนชั้นของมอดูลลง สามารถทำนายเครื่องหมายกำหนดจังหวะได้เล็กน้อย	en_US
dc.description.abstractalternative	The objective of “Tempo and Time Signature detection service from Mp3” project is to develop tempo and time signature detection service from MP3 files. To assess model accuracy, for tempo model, we adjusted model with two parameters: learning rate and model weight. For time signature model, we adjusted model with two parameters: remove module layers in model and model weight. The tempo model with learning rate at 0.001 yields the best prediction with accuracy approximately 73%, higher than the default model. The adjusted weight model and the model with removed layers can slightly predict the time signature.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	จังหวะดนตรี	en_US
dc.subject	Musical meter and rhythm	en_US
dc.title	บริการเพื่อการตรวจจับอัตราเร็วจังหวะและเครื่องหมายกำหนดจังหวะของเพลงจากแฟ้มข้อมูลเอ็มพี 3	en_US
dc.title.alternative	Tempo and Time Signature Detection Service from Mp3	en_US
dc.type	Senior Project	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US