Машинное обучение и глубокое обучение для сигналов
Signal Processing Toolbox™ обеспечивает функциональность, чтобы выполнить маркировку сигнала, показать разработку и генерацию набора данных для рабочих процессов глубокого обучения и машинного обучения.
Приложения
| Signal Analyzer | Визуализируйте и сравните несколько сигналов и спектров |
| Signal Labeler | Пометьте атрибуты сигнала, области и интересные места |
Функции
Темы
Радарная классификация форм волны Используя глубокое обучение (Phased Array System Toolbox)
В этом примере показано, как классифицировать радарные типы формы волны сгенерированных синтетических данных с помощью Распределения Wigner-Ville (WVD) и глубокой сверточной нейронной сети (CNN).
Пешеход и классификация велосипедистов Используя глубокое обучение (Phased Array System Toolbox)
В этом примере показано, как классифицировать пешеходов и велосипедистов на основе их micro-Doppler характеристик с помощью нейронной сети для глубокого обучения и частотно-временного анализа.
Классификация сигнала, использующая основанные на вейвлете функции и машины опорных векторов
Классифицируйте человеческие сигналы электрокардиограммы с помощью основанного на вейвлете извлечения признаков и классификатора машины опорных векторов.
Классифицируйте временные ряды Используя анализ вейвлета и глубокое обучение
Классифицируйте сигналы ECG с помощью непрерывного вейвлета, преобразовывают и глубокая сверточная нейронная сеть.
Сопутствующая информация
Глубокое обучение в MATLAB (Deep Learning Toolbox)
Классификация последовательностей Используя глубокое обучение (Deep Learning Toolbox)
