第一章

信号基础的深度学习

人工智能正变得越来越主流;从安全关键的自动驾驶系统到欺诈检测再到聊天机器人，到处都可以找到它的身影。曾经只有一小群机器学习工程师或数据科学家可以构建人工智能驱动的应用程序，现在情况正在发生变化。

越来越多的信号处理工程师和领域专家正在扩展他们的技能集来创建人工智能系统;这是通过增加预训练模型、现有研究和合成和标记大型数据集的工具而实现的。

深度学习是一种特别适合于信号处理应用的人工智能技术。

这本电子书涵盖了用于信号处理的深度学习的基础知识，以及与准备信号数据和建模深度学习应用程序相关的任务，并通过语音处理示例进行了演示。它以触发字检测器为例，可应用于更广泛的信号处理应用。触发字检测，或关键字识别，是一种嵌入在移动设备上的语音处理算法。

查看这个短视频，了解触发字检测的示例。

首先，简要概述深度学习如何处理信号数据。

深度学习工作流

在标准的深度学习工作流程中有四个阶段:创建和访问数据集，预处理和转换数据，开发预测模型，加速和部署模型。通常，人们不会线性地通过这些阶段;相反，他们采用迭代的方法来设计、训练和优化预测模型。

每个阶段涉及的任务因项目和数据源而异。信号处理应用尤其使用广泛的数据类型，并且为网络创建有效的学习输入的技术根据应用的不同而有很大的不同。为了使用信号数据训练深度学习模型，数据的准备和转换是特别重要的任务。