MFCCは、検索システムに音楽を表現する最適な方法ですか？

信号処理手法であるMel周波数Cepstrumは、機械学習タスクで使用するために楽曲から情報を抽出するためによく使用されます。この方法は短期間のパワースペクトルを与え、係数は入力として使用されます。

音楽検索システムの設計では、そのような係数は作品の特性と見なされます（明らかに一意である必要はありませんが、区別されます）。ネットワークでの学習により適した特性はありますか？エルマンネットワークのようなもので使用されている楽曲の低音進行のような時間的に変化する特性は、より効果的に機能しますか？

どの特性が、分類が行われる可能性のある十分に広範なセットを形成するでしょうか？

ある時点で、これについて少し作業を行いました。私たちが抽出した機能のセットは、このNIPSワークショップペーパーに記載されています。これらのフィールドで使用されているデータセットについていくつかの疑問がありましたが、フィールドで他の一部の著者の結果を再現できなかったことを認めなければなりません（このフィールドで著者が使用したデータセットは厳選され、リリースされない傾向があることに注意してください）著作権上の理由から一般に公開されますが、常にそうとは限りません）。基本的に、それらはすべて短期的なスペクトルの特徴でした自己回帰係数もスローされます。私たちはジャンルの分類を検討していましたが、これは人間によって（素晴らしい精度ではなく、一貫した合意ではありませんが...）非常に短いタイムスパン（<1s）で実行できることがわかっており、短期的な機能の使用を検証します。一般的なジャンル、アーティスト、アルバム、プロデューサーの分類よりも複雑なことに興味がある場合は、より長い範囲の機能が必要になる場合があります。そうでない場合、これらの短期的なスペクトル機能が最もよく機能する傾向があります。