Clasificación sonora de instrumentos andinos a través de machine learning

Abstract

El objetivo planteado en el actual documento es proponer una metodología para clasificar sonidos andinos a través de una herramienta que desarrolle Machine Learning. Para la investigación realizada se desarrolló una base de datos mediante un software llamado NN-XT Sampler, el cual tiene la función de samplear sonidos que permitan editar y diseñar audios con los requerimientos óptimos para un entrenamiento de aprendizaje automático con la herramienta llamada Wekinator. Para el desarrollo de la validación del programa se pretende clasificar sonidos a través de varias muestras de entrenamiento y unas pocas para la respectiva prueba o evaluación de la precisión en los clasificadores que posee el software Wekinator mediante una técnica estadística de validación cruzada. Finalmente, los resultados dieron que para la clasificación de instrumentos de viento andinos cumpliendo dos clases de analogías detalladas en el documento existen tres de cinco clasificadores que tienen un porcentaje de precisión superiores al 84 por ciento, siendo estos los de Árbol de decisión, AdaBost y SVM, superando a los algoritmos de K-Neigbor y Naive Boyes.