Artykuł badawczy

Budowa modelu rozpoznawania preferencji gatunków muzycznych opartego na uczeniu głębokim

DOI:

10.3791/70514

⸱

26 maja 2026

1College of Teacher Education, Quzhou University

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Badanie to stworzyło model głębokiego uczenia wykorzystujący sygnały EEG i znajomość muzyki do przewidywania preferencji gatunków muzycznych. Dane były zbierane za pomocą taniego urządzenia Muse S i analizowane przy użyciu modelu CNN+RNN oraz EEGNet. Znajomość znacząco poprawiła dokładność, osiągając do 99%, co świadczy o jej znacznej wartości w przewidywaniu preferencji.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wraz ze wzrostem liczby problemów ze zdrowiem psychicznym, muzykoterapia zyskała na znaczeniu jako interwencja niefarmakologiczna, a techniki głębokiego uczenia wykazują obiecujące umiejętności w rozpoznawaniu emocji muzycznych i przewidywaniu preferencji. W tym badaniu opracowano model głębokiej sieci neuronowej (CNN+RNN/EEGNet), aby efektywnie identyfikować preferencje dotyczące typów muzyki i badać wpływ znajomości użytkowników na dokładność predykcji. Sygnały EEG były zbierane za pomocą czterokanałowego urządzenia noszonego Muse S, a oceny znajomości użytkowników służyły jako funkcje wejściowe. Badanie przebiegało według czteroetapowego przepływu pracy: przygotowanie, projektowanie eksperymentów, konstrukcja modelu oraz analiza wyników. W projektowaniu eksperymentalnym muzyka była podzielona na rock, balladę i folk, a dane EEG i oceny znajomości były zbierane dla każdej kategorii. Dane były trenowane i testowane przy użyciu modeli CNN+RNN lub EEGNet, a wydajność modelu oceniano poprzez dziesięciokrotną walidację krzyżową na poziomie uczestników. Wyniki wskazywały, że przewidywanie wszystkich typów muzyki wyłącznie na podstawie danych EEG osiągnęło dokładność 82,28 ± 3,42%. Dla poszczególnych typów muzyki dokładność wynosiła 91,13 ± 3,60% (rock), 91,83 ± 2,07% (ballady) oraz 87,87 ± 4,76% (muzyka ludowa). Po uwzględnieniu znajomości użytkownika jako funkcji i zastosowaniu wielopoziomowego wyniku, ogólna dokładność predykcji wzrosła do 94,94 ± 1,61%, podczas gdy dokładność poszczególnych typów muzyki osiągnęła 99,15 ± 1,56% (rock), 98,51 ± 2,30% (ballady) oraz 98,21 ± 2,60% (folk). Wyniki te pokazują, że połączenie cech znajomości z wielopoziomowym systemem ocen znacząco poprawia przewidywanie preferencji muzycznych. Dzięki użyciu przystępnego cenowo, noszonego urządzenia EEG Muse S oraz wykorzystując znajomość użytkownika, badanie to z powodzeniem opracowało wysoce skuteczny model głębokiej sieci neuronowej (CNN+RNN/EEGNet) do rozpoznawania preferencji typów muzyki. Wyniki wskazują, że zarówno ogólne i indywidualne przewidywania muzyczne, korzystają z uwzględnienia informacji o znajomości, co podkreśla potencjał tego podejścia dla spersonalizowanych rekomendacji muzycznych i zastosowań terapii muzykoterapeutycznej.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Muzyka odgrywa istotną rolę w życiu człowieka, a powszechne korzystanie z platform internetowych sprawiło, że słuchanie muzyki stało się codzienną czynnością. Poza rozrywką, muzyka pełni funkcję narzędzia terapeutycznego, które sprzyja relaksowi, zmniejsza ból i wspiera osoby z zaburzeniami rozwojowymi. Preferencje muzyczne bezpośrednio wpływają zarówno na efekty terapeutyczne, jak i reakcje emocjonalne. Wcześniejsze badania pokazują, że preferowana muzyka poprawia sprawność fizyczną, taką jak wytrzymałość i zdolność sprintu1, oraz zmniejsza stres i ból2. Jest to również ważna interwencja dla osób starszych, w której indywidualne preferencje wpływają na skuteczność leczenia 3,4. Preferowana muzyka wykazano również, że obniża tętno i oddychanie, sprzyjając relaksowi. Ponadto preferencje muzyczne poprawiają dokładność przewidywania emocji5, wzmacniają reakcje emocjonalne6 oraz poprawiają wydajność modeli uczenia maszynowego, zwiększając dokładność przewidywania z 53,18% do 71,09%. Powtarzalna ekspozycja dodatkowo zwiększa preferencję niezależnie od początkowego uprzedzenia7.

Pomimo tych ustaleń, istniejące badania dotyczące przewidywania preferencji muzycznych pozostają ograniczone przez małe próby, wąskie przedziały wiekowe oraz niewystarczające uwzględnienie znajomości użytkowników. Te ograniczenia ograniczają uogólnialność modelu i praktyczną zastosowalność. Uwzględnianie czynników specyficznych dla użytkownika, takich jak znajomość, pozostaje niedostatecznie zbadanym podejściem do poprawy wydajności predykcji.

Rozpoznawanie emocji muzycznych (EMR) stało się aktywnym obszarem badań, a jego dokładność zależy od preferencji muzycznych i znajomościmuzyki 8,9,10,11. Uczestnicy zapewniają bardziej spójną ocenę emocjonalną podczas kontaktu ze znaną i preferowaną muzyką, a zwiększenie znajomości poprawia dokładność rozpoznawania zarówno w środowiskach eksperymentalnych, jak i edukacyjnych 12,13,14,15,16,17. Wyniki te podkreślają, że znajomość jest kluczowym czynnikiem zarówno w rozpoznawaniu emocji, jak i przewidywaniu preferencji.

Głębokie uczenie, oparte na sztucznych sieciach neuronowych, umożliwia automatyczne wyodrębnianie cech wysokowymiarowych i wykazuje silniejsze rozpoznawanie wzorców niż modelepłytkie 18,19,20. Techniki głębokiego uczenia były również szeroko stosowane w zadaniach związanych z muzyką, w tym klasyfikacji gatunków, rozpoznawaniu sygnałów oraz spersonalizowanych systemach rekomendacji 21,22,23,24,25,26. Elektroencefalografia (EEG) jest szeroko stosowana do pomiaru aktywności elektrycznej mózgu w pasmach częstotliwości (Tabela 1) do analizy poznawczo-emocjonalnej27,28. Integracja EEG z głębokim uczeniem stanowi skuteczne ramy do rejestrowania reakcji nerwowych na preferencje muzyczne.

Tradycyjne systemy EEG często wymagają elektrod na bazie żelu oraz drogiego sprzętu, co ogranicza ich zastosowanie w rzeczywistych warunkach. Noszone urządzenia EEG z suchymi elektrodami stanowią praktyczną alternatywę, oferując niższe koszty, lepszą użyteczność i większą elastyczność. Urządzenie Muse S rejestruje sygnały z kluczowych obszarów mózgu (TP9, TP10, AF7, AF8) z częstotliwością 256 Hz, umożliwiając niezawodne, skalowalne pozyskiwanie danych zarówno dla eksperymentów kontrolowanych, jak i zastosowań rzeczywistych.

Niniejsze badanie odnosi się do zidentyfikowanych ograniczeń, łącząc sygnały EEG z funkcjami znajomości użytkownika, aby przewidywać preferencje muzyczne za pomocą modeli głębokiego uczenia. Architektury CNN+RNN i EEGNet są wykorzystywane do wyodrębniania zarówno cech czasowo-częstotliwościowych, jak i zależności czasowych, umożliwiając lepszą reprezentację sygnałów EEG w porównaniu z tradycyjnymi podejściami. Badanie testuje dwie hipotezy: (1) znajomość muzyki przez użytkownika poprawia dokładność predykcji preferencji opartą na EEG; (2) modele specyficzne dla gatunku (rock, liryczny i folk) przewyższają modele trenowane na mieszanych kategoriach.

Uwzględniono kohortę 30 zdrowych dorosłych o zrównoważonym rozkładzie płci. Chociaż ograniczona wielkość próbki i użycie czterokanałowego EEG ograniczają uogólnialność i rozdzielczość sygnału, integracja funkcji znajomości z modelami głębokiego uczenia umożliwia solidne wyniki predykcji. Celem jest klasyfikacja gatunków muzycznych i wykonywanie indywidualnych prognoz dla każdej kategorii oraz uwzględnienie znajomości użytkowników jako funkcji zwiększających dokładność przewidywań.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Badanie to zostało przeprowadzone zgodnie z wytycznymi Komisji Etyki Uniwersytetu Quzhou. Protokół badawczy został zatwierdzony przez Instytucjonalną Radę Przeglądową Uniwersytetu Quzhou (IRB) pod numerem zatwierdzenia QZU-IRB-2026-037. Wszyscy uczestnicy wyrazili świadomą zgodę przed włączeniem do badania.

Przygotowanie eksperymentalne i rekrutacja uczestników
Eksperyment składał się z czterech etapów (rysunek 1): przygotowania, projektowania eksperymentu, budowy modelu oraz analizy wyników. Na etapie przygotowań cele badawcze zostały określone na podstawie przeglądu literatury na temat muzykoterapii, pozyskiwania danych EEG oraz modeli głębokiego uczenia. W fazie projektowania eksperymentalnego zrekrutowano 30 zdrowych uczestników do wykonywania zadań związanych ze słuchaniem muzyki. Zarejestrowano sygnały EEG i oceny znajomości muzyki. Dane EEG zostały ustandaryzowane i podzielone na okna 2048 próbek z nakładaniem się 1024 próbek. Funkcje znajomości zostały połączone z danymi EEG jako dane wejściowe do modelu. Zbudowano dwa modele: CNN+RNN i EEGNet. Warstwy CNN wyodrębniały cechy czasowo-częstotliwościowe, a dwukierunkowe LSTM rejestrowały zależności czasowe. Do klasyfikacji zastosowano w pełni połączoną warstwę z funkcją aktywacji softmax. Modele były trenowane z rozmiarem partii 50 dla 30 epok za pomocą optymalizatora Adama. Wprowadzono rezygnację z nauki i wcześniejsze zakończenie nauki. Wyniki były głównie oceniane za pomocą wskaźnika Accuracy jako raportowanej metryki, a także do dodatkowej oceny obliczano metryki Precyzji, Przypomnienia i F1 score.

Środowisko eksperymentalne i konfiguracja sprzętu
Eksperyment przeprowadzono w cichym, zamkniętym pomieszczeniu, wolnym od zewnętrznych zakłóceń, z temperaturą w pomieszczeniu utrzymywaną na poziomie 27 °C. Użyto następującego sprzętu: urządzenia EEG (Muse S, InteraXon Inc.), czterokanałowego systemu EEG (TP9, AF7, AF8, TP10) o częstotliwości próbkowania 256 Hz; Ostatnie słuchawki douszne E3000; oraz komputer do akwizycji danych działający na Muse SDK i warstwie strumieniowania laboratorium (LSL).

Przed każdą sesją eksperymentalną powierzchnie kontaktowe słuchawek były czyszczone alkoholem, aby zapewnić higienę i zmniejszyć ryzyko zanieczyszczenia krzyżowego. Każdy uczestnik miał założony zestaw Muse S, zapewniając stabilny kontakt między wszystkimi czterema suchymi elektrodami (TP9, AF7, AF8, TP10) a skórą. Jeśli jakość sygnału była słaba, pozycja paska była dostosowywana, aż uzyskano stabilne sygnały. Uczestnicy byli usiądni na wygodnym krześle z podparciem oparcia i instruowani, by trzymać oczy zamknięte, unikać mówienia i minimalizować duże ruchy ciała podczas eksperymentu.

Przygotowanie bodźców muzycznych
Przygotowano trzy gatunki muzyczne: rock, liryczny (ballada) i muzykę ludową. Każdy gatunek zawierał trzy chińskie piosenki, co dawało łącznie dziewięć utworów. Aby kontrolować różnice w znajomości muzyki, utwory z każdego gatunku były wybierane według następujących kryteriów: jedna stara piosenka; jedną aktualną popularną piosenkę (z listy Spotify Top Songs); oraz jeden nowy utwór (z listy Spotify New Releases).

Każdy utwór był montowany w ustandaryzowany segment audio, zaczynając od wstępu, następnie zwrotki, aż do pierwszego refrenu, o łącznym czasie trwania 90–130 sekund. Każdemu utworowi przypisywano unikalny identyfikator (np. R1–R3, B1–B3, F1–F3) do późniejszego oznaczania danych i zarządzania plikami.

Procedura eksperymentalna i rejestrowanie kwestionariuszy
Przed formalnym eksperymentem przeprowadzono test głośności poprzez odtwarzanie testowego klipu audio. Uczestnicy dostosowali głośność do poziomu wyraźnego, komfortowego i niezbyt głośnego, utrzymując go stałą przez cały eksperyment. Kolejność odtwarzania dziewięciu utworów była losowa (np. za pomocą losowej tablicy liczbowej lub losowej losowości), aby zmniejszyć efekty kolejności. Wszyscy uczestnicy samodzielnie wykonali zadania związane z muzyką. Każdy segment muzyczny był prezentowany od wprowadzenia do pierwszego refrenu, trwając 90–130 sekund. Między utworami przewidziano 30-sekundową przerwę na odpoczynek. W tym okresie uczestnicy wypełniali kwestionariusz znajomości za pomocą platformy internetowej (Questionnaire Star). Uczestnicy oceniali swoją znajomość każdej piosenki za pomocą pięciopunktowej skali Likerta (1 = całkowicie nieznany; 5 = bardzo zaznajomiony). Etykieta preferencji uczestnika dla każdej piosenki była rejestrowana (0 = nielubienie; 1 = lubienie) zgodnie z wcześniej ustalonym schematem klasyfikacji binarnej. Pełna procedura eksperymentalna została zilustrowana na Rysunku 2.

Akwizycja EEG i rejestrowanie danych
Dane EEG były pozyskiwane za pomocą oficjalnego SDK Muse i przesyłane strumieniowo przez warstwę Lab Streaming Layer (LSL). Dane EEG odpowiadające każdej piosence zostały zapisane jako pliki Comma-Separated Values (CSV), zawierające co najmniej następujące pola: znacznik czasu (milisekundy); surowe sygnały EEG z czterech kanałów (TP9, AF7, AF8, TP10); ręcznie rejestrowany wynik znajomości (1–5); oraz etykietę preferencji (0/1). Stosowano spójną konwencję nazewnictwa plików (np. S01_R1.csv, oznaczającą uczestnika 01 i rockową piosenkę 1), aby ułatwić automatyczne przetwarzanie i śledzenie.

Wstępne przetwarzanie danych, normalizacja i okienka
Sygnały EEG były nagrywane za pomocą czterokanałowego urządzenia EEG Muse S o częstotliwości próbkowania 256 Hz, a programy niestandardowe były rozwijane przy użyciu oficjalnego zestawu deweloperskiego. Surowe dane EEG były pozyskiwane przez warstwę Lab Streaming Layer (LSL) i zapisywane w formacie CSV. Pliki CSV zawierały następujące kolumny: znacznik czasu (milisekundy), wartości EEG dla czterech kanałów (TP9, AF7, AF8, TP10), oceny znajomości muzyki użytkownika (1–5) oraz oceny preferencji muzycznych.

Łączna liczba wpisów danych odpowiada wielu wygenerowanym oknom dla każdego uczestnika i każdego utworu muzycznego, co skutkuje dużym zbiorem danych w zależności od schematu okien. W oryginalnym eksperymencie preferencje muzyczne były reprezentowane jako etykieta binarna (0 = nielubienie, 1 = lubienie), co może prowadzić do sztucznie wysokiej dokładności i ograniczonej generalizacji modelu.

Aby zwiększyć praktyczne znaczenie zadania predykcji, etykiety preferencji zostały przekształcone w wielopoziomową skalę oceny: 0 = Zdecydowanie się nie zgadzam; 1 = Nie zgadzam się; 2 = Neutralny; 3 = Zgadzam się; 4 = Zdecydowanie się zgadzam.

Przed wprowadzeniem uczenia maszynowego dane były standaryzowane i podzielone na okna po 2048 próbek każdy, z 1024 próbkami nakładającymi się na sąsiednie okna, aby zachować ciągłość czasową. Dodatkowo zastosowano augmentację danych, aby zwiększyć liczbę próbek treningowych i zmniejszyć ryzyko nadmiernego dopasowania.

Architektura modelu
Model badawczy składał się z trzech warstw splotowych, trzech warstw poolingowych oraz w pełni połączonej warstwy. Do wyboru cech stosowano maksymalny pooling, dropout stosowano, aby zmniejszyć przeszarpnięcie, a końcowy wynik generowano przy użyciu warstwy klasyfikacji softmax. Każde okno wejściowe zawierało czterokanałowe sygnały EEG (2048 próbek na okno) oraz funkcję znajomości. Produkcja obejmowała preferencję pięciu klas. Architektura przedstawiona jest na Rysunku 3, a parametry modelu przedstawiono w Tabeli 2.

Trening modelowania i walidacja krzyżowa
Zbiór danych został losowo podzielony na 80% do treningu i 20% do testowania. Stosowano dziesięciokrotną walidację krzyżową, z jednym podzbiorem do walidacji, a pozostałymi dziewięcioma do trenowania w każdej iteracji. Proces ten powtórzono dziesięć razy, a wyniki zostały zagregowane. Treningowe hiperparametry zostały ustawione następująco: Epoki = 30; Wielkość partii = 50; Optymalizator = Adam; Funkcja straty = kategoryczna crossentropia; Metryka oceny = Dokładność. Wydajność modelu była rejestrowana wyłącznie w warunkach EEG + znajomości, zarówno dla wszystkich gatunków łącznie, jak i dla poszczególnych gatunków.

Metody analizy statystycznej
Analiza danych została przeprowadzona w Pythonie 3.10 z TensorFlow 2.12, Keras 2.12 oraz MNE-Python 1.3. Przetwarzanie i analizę danych przeprowadzono przy użyciu Pandas 2.1 i NumPy 1.26. Metryki wydajności z 10-krotnej walidacji krzyżowej zostały zagregowane, a średnie i odchylenia standardowe obliczone. Porównania statystyczne między schorzeniami przeprowadzono za pomocą testów t w parach lub testów rangi znakowej Wilcoxona, z poziomem istotności P < 0,05.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wydajność modelu oceniano pod dwoma warunkami: (1) wyłącznie cechy EEG oraz (2) cechy EEG połączone z rozpoznawalnością muzyki. Klasyfikacja była przeprowadzana zarówno dla połączonych kategorii muzycznych, jak i poszczególnych kategorii muzycznych (rock, liryczny i folk).

Tabela 3 przedstawia wyniki uzyskane wyłącznie przy użyciu cech EEG, natomiast Tabela 4 przedstawia wyniki uzyskane przy użyciu cech EEG w połączeniu z znajomością. Modele CNN+RNN i EEGNet były oceniane w ty...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wcześniejsze badania dotyczące przewidywania preferencji muzycznych opartych na EEG w dużej mierze opierały się na systemach wielokanałowych, ograniczając praktyczne zastosowania 21,22,23,24,25,26. W tym badaniu czterokanałowe urządzenie EEG (Muse S) osiągnęło porównywalną wydajność w połączeniu z modelami głębokiego uczenia ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autor nie ma żadnych konfliktów interesów do ujawnienia.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autor z wdzięcznością wyraża wsparcie i udogodnienia zapewnione przez instytucję badawczą podczas realizacji tego badania. Szczególne podziękowania kierujemy do personelu laboratorium za pomoc przy procedurach technicznych.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Chusteczki alkoholoweKażdy standardowy dostawcaNie maUżywane do czyszczenia słuchawek między uczestnikami
Komputer do akwizycji danychKażdy standardowy producentNie maUruchamia Muse SDK oraz warstwę Lab Streaming (LSL)
Zestaw EEG (Muse S)InteraXon Inc.https://choosemuse.com/muse-s/Czterokanałowe urządzenie EEG (TP9, AF7, AF8, TP10)
Ostatnie słuchawki douszne E3000Ostateczny projekt dźwiękuhttps://snext-final.com/en/products/detail/E3000Używany do odtwarzania dźwięku podczas eksperymentu
Oprogramowanie Lab Streaming Layer (LSL)Open-sourcehttps://github.com/sccn/labstreaminglayerWykorzystywane do strumieniowania danych EEG
Muse SDKInteraXon Inc.https://developer.choosemuse.com/Wykorzystywane do pozyskiwania danych EEG
Ankietowa Gwiazda (platforma internetowa)Changsha Ranxing Information Technology Co., Ltd.https://www.wjx.cn/Wykorzystywane do zbierania danych znajomych
Python 3.10Python Software Foundationhttps://www.python.org/downloads/Wykorzystywane do przetwarzania i analizy danych
TensorFlow 2.12Googlehttps://www.tensorflow.org/Ramy uczenia głębokiego
Keras 2.12Googlehttps://keras.io/API sieci neuronowych
MNE-Python 1.3Open-sourcehttps://mne.tools/stable/index.htmlAnaliza danych EEG
NumPy 1.26Open-sourcehttps://numpy.org/Obliczenia numeryczne
Pandas 2.1Open-sourcehttps://pandas.pydata.org/Manipulacja danymi

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Ballmann, C. G., McCullum, M. J., Rogers, R. R., Marshall, M. R., Williams, T. D. Effects of preferred vs. nonpreferred music on resistance exercise performance. J. Strength Cond. Res. 35 (6), 1650-1655 (2021).
  2. Banks, D. Neurotechnology: microelectronics. Handbook of Neuroprosthetic Methods. Finn, W. E., LoPresti, P. G. , CRC Press. Boca Raton, FL. 361-400 (2002).
  3. Aldridge, D. An overview of music therapy research. Complement. Ther. Med. 2, 204-216 (1994).
  4. Hillecke, T., Nickel, A., Bolay, H. V. Scientific perspectives on music therapy. Ann. N. Y. Acad. Sci. 1060, 271-282 (2005).
  5. Lai, H. L. Music preference and relaxation in Taiwanese elderly people. Geriatr. Nurs. 25 (5), 286-291 (2004).
  6. Kreutz, G., Lotze, M. Neuroscience of music and emotion. Neurosciences in Music Pedagogy. Rauscher, F., Gruhn, W. , Nova Science Publishers. New York. 143-167 (2007).
  7. Madison, G., Schiölde, G. Repeated listening increases the liking for music regardless of its complexity: implications for the appreciation and aesthetics of music. Front. Neurosci. 11, 147(2017).
  8. Pereira, C. S., et al. Music and emotions in the brain: familiarity matters. PLoS One. 6 (11), e27241(2011).
  9. Hamlen, K. R., Shuell, T. J. The effects of familiarity and audiovisual stimuli on preference for classical music. Bull. Counc. Res. Music Educ. 168, 21-34 (2006).
  10. Liu, W. J. Unit learning in junior high school music class based on deep understanding. Prim. Second. Sch. Music Educ. 3, 5(2022).
  11. A vocal range balancing method, device, and system based on deep learning. China Patent. , CN109147807B (2024).
  12. Yin, D. H. Constructing a music classroom teaching paradigm from the perspective of deep learning (Part 2). Prim. Second. Sch. Music Educ. 6, 4(2022).
  13. Zhang, C., Shi, T., Ai, J., Tian, W. Construction of GUI elements recognition model for AI testing based on deep learning. Proceedings of the 2021 8th International Conference on Dependable Systems and Their Applications (DSA), , 508-515 (2021).
  14. Shi, Y., Ko, Y. C. Construction of English pronunciation judgment and detection model based on deep learning neural networks data stream fusion. Int. J. Pattern Recognit. Artif. Intell. 36 (6), 2252011(2022).
  15. Li, X. H., et al. Survey of remote sensing image registration based on deep learning. Natl. Remote Sens. Bull. 27 (2), 267-284 (2023).
  16. Bishop, C. M., Nasrabadi, N. M. Pattern recognition and machine learning. , Springer. New York. (2006).
  17. Goodfellow, I., Bengio, Y., Courville, A. Deep learning. , MIT Press. Cambridge, MA. (2016).
  18. LeCun, Y., Bengio, Y., Hinton, G. Deep learning. Nature. 521, 436-444 (2015).
  19. Janiesch, C., Zschech, P., Heinrich, K. Machine learning and deep learning. Electron. Mark. 31 (3), 685-695 (2021).
  20. A deep learning-based system and method for Gongche notation character recognition. China Patent. , CN202210650096.0 (2024).
  21. Sun, L. Y. Research on music genre classification and generation technology based on deep learning. , Nanjing Audit University. Nanjing, China. Master's thesis (2022).
  22. Gan, Q. Deep learning-based electronic music signal recognition method. Inf. Comput. 35, 54-56 (2023).
  23. Zhang, H. Building a music teaching and research community using deep learning. Music World. 1, 16-19 (2022).
  24. Liu, L., Kong, M., Cao, C., Shu, Z., Liu, K., et al. Personalized music recommendation algorithm based on machine learning. Multimed. Syst. 31, 166(2025).
  25. Naser, D. S., Saha, G. Influence of music liking on EEG-based emotion recognition. Biomed. Signal Process. Control. 64, 102251(2021).
  26. Cannard, C., Brandmeyer, T., Wahbeh, H., Delorme, A. Self-health monitoring and wearable neurotechnologies. Handbook of Clinical Neurology. Ramsey, N. F., Millán, J. delR. 168, 207-232 (2020).
  27. Kumari, P., Vaish, A. Brainwave-based user identification system: a pilot study in robotics environment. Robot. Auton. Syst. 65, 15-23 (2015).
  28. Asif, A., Majid, M., Anwar, S. M. Human stress classification using EEG signals in response to music tracks. Comput. Biol. Med. 107, 182-196 (2019).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Music Genre RecognitionDeep Learning ModelEEG Signal AnalysisMusic Preference PredictionCNN RNN ModelEEGNet ArchitectureUser Familiarity FeatureMuse S DeviceMusic Therapy ApplicationPersonalized Music Recommendation

Powiązane artykuły