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
Выберите приложение, чтобы пометить достоверные данные
Решите который приложение использовать, чтобы пометить достоверные данные: Image Labeler, Video Labeler, Ground Truth Labeler, Lidar Labeler, Signal Labeler или Audio Labeler.
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.
Музыкальная классификация жанров Используя рассеивание времени вейвлета (Wavelet Toolbox)
В этом примере показано, как классифицировать жанр музыкальной выборки с помощью времени вейвлета, рассеявшись и аудио datastore.
Классификация рассеиваний времени вейвлета данных о фонокардиограмме (Wavelet Toolbox)
В этом примере показано, как классифицировать человеческую фонокардиограмму (PCG) записи с помощью времени вейвлета, рассеявшись и классификатора машины опорных векторов (SVM).
Сопутствующая информация
Глубокое обучение в MATLAB (Deep Learning Toolbox)
Классификация последовательностей Используя глубокое обучение (Deep Learning Toolbox)
