000126174 001__ 126174 000126174 005__ 20230518085141.0 000126174 037__ $$aTAZ-TFG-2022-3275 000126174 041__ $$aspa 000126174 1001_ $$aPallarés Arnal, Santiago 000126174 24200 $$aInstruments classification with deep learning. 000126174 24500 $$aClasificación de instrumentos musicales mediante deep learnign. 000126174 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2022 000126174 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000126174 520__ $$aEste trabajo de fin de grado pretende replicar resultados de trabajos científicos sobre clasificadores, concretamente, de instrumentos musicales tomando el timbre como característica principal. Se introducen conceptos bastante novedosos en el ámbito del Deep Learning como son la incorporación de estructuras jerárquicas en redes prototípicas, clasificación multitarea por altura o sistemas de aprendizaje basados en few-shot-learning. Todos estos conceptos, y los que derivan de estos, se exponen detalladamente a lo largo de esta memoria y se concluye proporcionando un determinado modelo que ofrece mejoras estadísticamente superiores frente hasta lo actualmente existente.<br /> 000126174 521__ $$aGraduado en Ingeniería de Tecnologías y Servicios de Telecomunicación 000126174 540__ $$aDerechos regulados por licencia Creative Commons 000126174 700__ $$aHernández Oliván, Carlos$$edir. 000126174 700__ $$aBeltrán Blázquez, José Ramón$$edir. 000126174 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTecnología Electrónica 000126174 8560_ $$f756195@unizar.es 000126174 8564_ $$s6869690$$uhttps://zaguan.unizar.es/record/126174/files/TAZ-TFG-2022-3275.pdf$$yMemoria (spa) 000126174 8564_ $$s6869690$$uhttps://zaguan.unizar.es/record/126174/files/TAZ-TFG-2022-3275_ANE.pdf$$yAnexos (spa) 000126174 909CO $$ooai:zaguan.unizar.es:126174$$pdriver$$ptrabajos-fin-grado 000126174 950__ $$a 000126174 951__ $$adeposita:2023-05-18 000126174 980__ $$aTAZ$$bTFG$$cEINA 000126174 999__ $$a20220831142731.CREATION_DATE