exponenta event banner

Машинное обучение и глубокое обучение для сигналов

Маркировка сигналов, разработка функций, формирование наборов данных

Signal Processing Toolbox™ предоставляет функциональные возможности для маркировки сигналов, проектирования функций и создания наборов данных для машинного обучения и процессов глубокого обучения.

Приложения

Анализатор сигналовВизуализация и сравнение нескольких сигналов и спектров
Маркировщик сигналовМетки атрибутов сигнала, областей и точек интереса
Анализатор файлов EDFПросмотр файлов EDF или EDF +

Функции

развернуть все

labeledSignalSetСоздание набора маркированных сигналов
signalLabelDefinitionСоздать определение метки сигнала
countlabelsКоличество уникальных меток
folders2labelsПолучение списка меток из имен папок
splitlabelsПоиск индексов для разделения меток в соответствии с заданными пропорциями
signalMaskМодификация и преобразование сигнальных масок и извлечение представляющих интерес сигнальных областей
binmask2sigroiПреобразование двоичной маски в матрицу пределов окупаемости инвестиций
extendsigroiРасширение областей сигнала, представляющих интерес, влево и вправо
extractsigroiИзвлечь представляющие интерес сигнальные области
mergesigroiОбъединить области сигналов, представляющие интерес
removesigroiУдалить представляющие интерес сигнальные области
shortensigroiСокращение областей сигнала, представляющих интерес, слева и справа
sigroi2binmaskПреобразование матрицы пределов окупаемости инвестиций в двоичную маску
edfinfoПолучение информации о файле EDF/EDF +
edfwriteСоздание или изменение файла EDF или EDF +
edfheaderСоздание структуры заголовка для файла EDF или EDF +
edfreadСчитывание данных из файла EDF/EDF +
signalDatastoreХранилище данных для сбора сигналов
dlstftГлубокое обучение кратковременному преобразованию Фурье
findchangeptsНайти резкие изменения в сигнале
findpeaksНайти локальные максимумы
findsignalПоиск местоположения сигнала с помощью поиска подобия
fsstСинхронизированное преобразование Фурье
instbwОценка мгновенной пропускной способности
instfreqОценка мгновенной частоты
pentropyСпектральная энтропия сигнала
periodogramОценка спектральной плотности мощности периодограммы
pkurtosisСпектральный куртоз из сигнала или спектрограммы
powerbwПолоса пропускания питания
pspectrumАнализ сигналов в частотной и временной областях
pwelchОценка спектральной плотности мощности Welch

Темы

Выберите приложение для наклейки основных данных

Решите, какое приложение использовать для маркировки основных данных: Image Labeler, Video Labeler, Ground Truth Labeler, Lidar Labeler, Signal Labeler или Audio Labeler.

Классификация формы сигнала радара и связи с использованием глубокого обучения (панель инструментов системы фазированной решетки)

В этом примере показано, как классифицировать сигналы радара и связи с использованием распределения Вигнера-Вилля (WVD) и глубокой сверточной нейронной сети (CNN).

Классификация пешеходов и велосипедистов с использованием глубокого обучения (радар-инструментарий)

Классифицировать пешеходов и велосипедистов на основе их микродоплеровских характеристик с использованием сети глубокого обучения и частотно-временного анализа.

Классификация музыкального жанра с использованием вейвлетного временного рассеяния (инструментарий вейвлета)

В этом примере показано, как классифицировать жанр музыкального отрывка с использованием вейвлет-временного рассеяния и хранилища аудиоданных.

Классификация вейвлет-рассеяния по времени данных фонокардиограммы (инструментарий вейвлет)

В этом примере показано, как классифицировать записи фонокардиограммы человека (PCG) с использованием вейвлет-временного рассеяния и классификатора вспомогательных векторных машин (SVM).

Сеть распознавания речевых цифр Train с использованием функций, не соответствующих памяти

Обучение сети распознавания речевых цифр на слуховых спектрограммах, не имеющих памяти, с использованием преобразованного хранилища данных.

Связанная информация

Глубокое обучение в MATLAB (инструментарий глубокого обучения)

Классификация последовательностей с использованием глубокого обучения (инструментарий глубокого обучения)

Характерные примеры