Signal Processing Toolbox™ предоставляет функциональные возможности для выполнения маркировки сигналов, разработки признаков и генерации набора данных для рабочих процессов машинного обучения и глубокого обучения.
| Signal Analyzer | Визуализируйте и сравните несколько сигналов и спектров |
| Signal Labeler | Маркируйте атрибуты сигнала, области и интересующие точки |
| EDF File Analyzer | Просмотр файлов EDF или EDF + |
Выберите приложение для маркировки Достоверные Данные
Решите который приложение использовать, чтобы маркировать достоверные данные: Image Labeler, Video Labeler, Ground Truth Labeler, Lidar Labeler, Signal Labeler, или Audio Labeler.
Классификация сигналов радара и связи с использованием глубокого обучения (Phased Array System Toolbox)
Этот пример показывает, как классифицировать радиолокационные и коммуникационные формы волны с помощью распределения Вигнера-Вилля (WVD) и глубокой сверточной нейронной сети (CNN).
Классификация пешеходов и бициклистов с использованием глубокого обучения (Radar Toolbox)
Классификация пешеходов и велосипедистов на основе их микродопплеровских характеристик с помощью нейронной сети для глубокого обучения и частотно-временного анализа.
Классификация жанра музыки с использованием Wavelet Time Scattering (Wavelet Toolbox)
Этот пример показов, как классифицировать жанр музыкального отрывка с помощью вейвлета рассеяния времени и audio datastore.
Вейвлет классификации рассеяния фонокардиограмм (Wavelet Toolbox)
Этот пример показов, как классифицировать записи фонокардиограммы (PCG) человека с помощью вейвлета рассеяния времени и классификатора машины опорных векторов (SVM).
Обучите сеть распознавания разговорных цифр с помощью функций нехватки памяти
Обучите сеть распознавания разговорных цифр на слуховых спектрограммах за пределами памяти с помощью преобразованного datastore.
Глубокое обучение в MATLAB (Deep Learning Toolbox)
Классификация последовательностей с использованием глубокого обучения (Deep Learning Toolbox)
