138
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN 2708-0935
RECIBIDO 07/01/2022 ACEPTADO 16/02/2022 PUBLICADO 30/03/2023
RESUMEN
El análisis musical es un proceso que se ha llevado a cabo desde hace años donde diferentes
expertos han buscado estudiar variadas piezas musicales. Este proceso inicia con el aprendizaje
de detección de tonos, notas y acordes, donde los estudiantes tienen que entrenar el oído para
poder llevarlo a cabo. Bajo este contexto, en el siguiente trabajo se ha realizado un árbol de
decisión en base a un dataset de coros de Bach con el fin de predecir acordes a partir de tonos.
Se dividió el dataset en 80% para crear el árbol y 20% para pruebas, después se realizó la
transformación de datos para realizar un análisis de los mismos, con esto finalmente se creó un
árbol de decisión con una profundidad de 15 y una exactitud del 75.52%, finalmente se realizaron
las pruebas y encontramos buenos resultados de la exactitud del árbol.
Palabras claves:
Inteligencia artificial, árbol de decisión, análisis musical, detección de tonos,
música.
ARK: ark:/42411/s11/a85
PURL: 42411/s11/a85
asalcedoch@unsa.edu.pe
https://orcid.org/0000-0001-7692-4064
Víctor Manuel Vilca Rojas
Universidad Nacional de San Agustín.
Arequipa, Perú.
vvilcaro@unsa.edu.pe
https://orcid.org/0000-0002-6193-8057
Jairo Miguel Castillo Rojas
Universidad Nacional de San Agustín.
Arequipa, Perú.
jcastillo@unsa.edu.pe
https://orcid.org/0000-0001-5952-7323
Valery Byrne Macias
Universidad Nacional de San Agustín.
Arequipa, Perú.
vbyrne@unsa.edu.pe
https://orcid.org/0000-0003-2819-7127
REVISTA INNOVACIÓN Y SOFTWARE VOL 4 Nº 1 Marzo-Agosto 2023 ISSN 2708-0935
ABSTRACT
Musical analysis is a process that has been carried out for years where different experts have
sought to study various musical pieces. This process begins with the learning of tone, note and
chord detection, where students have to train their ears to be able to carry it out. In this context,
in the following work a decision tree has been made based on a dataset of Bach choirs in order
to predict chords from tones. The dataset was divided into 80% to create the tree and 20% for
testing, then the data transformation was performed to perform an analysis of the data, with this
a decision tree was finally created with a depth of 15 and an accuracy of 75.52%, the tests were
finally carried out and we found good results for the accuracy of the tree.
Keywords:
Artificial intelligence, decision tree, music analysis, pitch detection, music.
INTRODUCCIÓN
Las ondas de sonido se propagan a través de varios medios y permiten la comunicación o el
entretenimiento para nosotros, los humanos. La sica que escuchamos o creamos se puede
percibir en aspectos como el ritmo, la melodía, la armonía, el timbre o el estado de ánimo. Todos
estos elementos de la música pueden ser de interés para los usuarios de sistemas de recuperación
de información musical. Dado que vastos repositorios de música están disponibles para todos en
el uso diario (tanto en colecciones privadas como en Internet), es deseable y se vuelve necesario
explorar las colecciones de música por contenido. Por lo tanto, la recuperación de información
musical puede ser potencialmente de interés para todos los usuarios de computadoras e Internet
[1].
Dado un flujo musical, la tarea del análisis de la armonía musical consiste en asociar una etiqueta
a cada punto de tiempo. Tales etiquetas revelan la armonía subyacente al indicar una nota
fundamental (raíz) y un modo, usando nombres de acordes como 'Do menor'. La tarea de análisis
musical puede representarse naturalmente como un problema de aprendizaje secuencial
supervisado. De hecho, al considerar sólo las clases de tonos actualmente resonantes, difícilmente
se producirían análisis razonables. Las evidencias experimentales sobre la cognición humana
revelan que para eliminar la ambigüedad de los casos poco claros, los compositores y los oyentes
también se refieren a las transiciones de acordes: en estos casos, el contexto juega un papel
fundamental y las claves contextuales pueden ser útiles para el análisis [6].
El dominio musical siempre ha ejercido una fuerte fascinación sobre investigadores de diversos
campos. En los últimos años se ha invertido un gran esfuerzo de investigación para analizar la
música, bajo una presión académica e industrial. Las técnicas de búsqueda y análisis de música
inteligente son cruciales para diseñar sistemas para varios propósitos, como la identificación de
música, para decidir sobre la similitud de la música, para la clasificación de música basada en