Untersuchung zur Identifizierung von Ragas: Eine detaillierte Analyse

Dieses Papier zielt darauf ab, die optimalen AIML-Methoden zur Unterscheidung von Ragas in der indischen klassischen Musik zu untersuchen und zu bestimmen. Nach einer umfassenden Überprüfung der relevanten Literatur haben wir eine Methodik für die umfassende Verarbeitung unserer Datensätze sorgfältig entwickelt, um optimale Ergebnisse zu erzielen. Das übergeordnete Ziel unseres Papiers ist es, verschiedene AI/ML-Techniken zu vertiefen, die zunächst auf die in Betracht gezogenen Datensätze mit eingeschränkten Werten angewandt werden, und anschließend den Umfang des Datensatzes zu erweitern, um alle 5040 Ragas in der indischen klassischen Musik zu umfassen, wodurch die Effizienz des Systems verbessert wird. Unsere Untersuchung bietet wertvolle Einblicke in mögliche Verbesserungen des Datensatzes, indem sie dessen Einschränkungen anspricht und die Effektivität des Konzepts für zukünftige Anwendungen erhöht. Der Datensatz erfordert eine sorgfältige Vorverarbeitung, um den strategischen Einsatz von Techniken wie K-Nearest Neighbors (KNN) und Convolutional Neural Networks (CNN) auf dem Hindustani Music Dataset (HMD) und dem Classical Music Dataset (CMD) getrennt zu ermöglichen, mit dem letztendlichen Ziel, optimale Ergebnisse zu erzielen.