Rückweisungsklasse nicht optimal #19

New Issue

toni · 2017-12-18T20:59:42+01:00

toni commented

2017-12-18 20:59:42 +01:00

Aktuell ist die Rückweisungsklasse ziemlich billig. Deshalb hab ich die Fenster kleiner gemacht auf 1024 Werte. Damit die BPM Schäzungen nicht so schwanken, hab ich einen moving average davor gepackt. Funktioniert ganz gut. Hat vermutlich aber bei abrupten Tempiwechseln starke Probleme. Dafür braucht es eine Lösung.

Einfachster Fall, 2 verschiedene Fenster, eines für "dirigiere ich gerade oder nicht" und eins für die Schätzung. Da müssten wir aber 2x autocorr rechnen.. weiß net ob das so klug ist

Bessere Fall: Ordentliches Machine Learning mit genug Testdaten.

Aktuell ist die Rückweisungsklasse ziemlich billig. Deshalb hab ich die Fenster kleiner gemacht auf 1024 Werte. Damit die BPM Schäzungen nicht so schwanken, hab ich einen moving average davor gepackt. Funktioniert ganz gut. Hat vermutlich aber bei abrupten Tempiwechseln starke Probleme. Dafür braucht es eine Lösung. Einfachster Fall, 2 verschiedene Fenster, eines für "dirigiere ich gerade oder nicht" und eins für die Schätzung. Da müssten wir aber 2x autocorr rechnen.. weiß net ob das so klug ist Bessere Fall: Ordentliches Machine Learning mit genug Testdaten.

toni self-assigned this 2017-12-18 20:59:42 +01:00

toni added the

Bug

Feature

Android

labels 2017-12-18 20:59:42 +01:00

toni commented

2017-12-19 20:38:24 +01:00

Bisschen angepasst mit kleineren Fenster. Nicht perfekt. Aber besser.

toni referenced this issue from a commit

2017-12-19 20:47:36 +01:00

ref #9 - verbindung zwischen watch und app geht - watch startet automatisch auch app - bpm kommen in hoher geschwindigkeit an ref #19 - rückweisunsklasse etwas verbessert - fehlnde files hochgeladen für die bpm estimation