परावर्ती न्यूरल नेटवर्क पर आधारित संगीत पहचान

परावर्ती न्यूरल नेटवर्क कृत्रिम बुद्धिमत्ता हार्डवेयर के लिए उच्च गति और ऊर्जा-कुशल गणना प्रदान करते हैं, फिर भी समय-श्रृंखला सिग्नल प्रसंस्करण में उनका आवेदन कम खोजा गया है। यहां, हम संगीत शैली और भावना वर्गीकरण के लिए एक विद्युत चुम्बकीय परावर्ती न्यूरल नेटवर्क रूपरेखा का प्रस्ताव करते हैं। समय-श्रृंखला ऑडियो सिग्नल को लॉग-मेल स्पेक्ट्रोग्राम में परिवर्तित किया जाता है और मल्टीलेयर मेटासरफेस-आधारित DNN का उपयोग करके संसाधित किया जाता है। GTZAN डेटासेट पर प्रयोगों ने पांच शैलियों के लिए 90.3% वर्गीकरण सटीकता और तीन शैलियों के लिए 96.33% सटीकता हासिल की। इसके अलावा, POP909 डेटासेट पर भावना वर्गीकरण ने 90.56% सटीकता प्राप्त की। ये परिणाम दर्शाते हैं कि परावर्ती न्यूरल नेटवर्क प्रभावी रूप से समय-श्रृंखला डेटा को संसाधित कर सकते हैं और संचार और संवेदन अनुप्रयोगों में बुद्धिमान सिग्नल प्रसंस्करण के लिए एक संभावित हार्डवेयर-कुशल समाधान प्रदान करते हैं।