Порівняльна характеристика нейронних архітектур CNN та RNN/LSTM для задачі класифікації музичних жанрів

Abstract

Проведено порівняльний аналіз двох основних типів нейронних мереж для задачі класифікації музичних жанрів: згорткових нейронних мереж ( NN) та рекурентних нейронних мереж (RNN/LSTM). Розглянуто принципи функціонування обох архітектур та їх застосування до обробки аудіосигналів. Показано, що CNN ефективно виділяють локальні спектральні ознаки з коротких аудіофрагментів, забезпечуючи високу швидкість обробки та точність понад 85% на стандартних датасетах. LSTM-мережі демонструють перевагу при аналізі довгих композицій завдяки здатності моделювати часову динаміку та враховувати довгострокові залежності між музичними фразами. Обґрунтовано доцільність використання гібридних архітектур, що поєднують CNN для екстракції ознак зі спектрограм та LSTM для моделювання їх часової еволюції, що дозволяє досягти найкращих результатів класифікації музичних жанрів.