信号的机器学习和深度学习
信号标记，特征工程，数据集生成
信号处理工具箱™为机器学习和深度学习工作流提供了执行信号标记、特征工程和数据集生成的功能。
应用程序
| 信号分析仪 | 可视化和比较多个信号和光谱 |
| 信号贴标签机 | 标记信号属性、区域和感兴趣点，提取特征 |
| 法国电力公司(EDF)文件分析器 | 查看EDF或EDF+文件 |
功能
主题
- 为机器学习和深度学习工作流管理数据集
组织、访问和管理不同AI应用的数据集。
- 选择一个应用程序来标记地面真相数据
决定使用哪个应用程序来标记地面真相数据:图片标志，贴标签机视频，地面实况贴标签机，激光雷达贴标签机，信号贴标签机,或医学图像贴标签机．
- 基于深度学习的雷达和通信波形分类(相控阵系统工具箱)
使用Wigner-Ville分布(WVD)和深度卷积神经网络(CNN)对雷达和通信波形进行分类。
- 用信号标签器标记雷达信号(雷达工具箱)
标记附加噪声的脉冲雷达信号的时间和频率特征。
- 基于深度学习的行人和自行车分类(雷达工具箱)
利用深度学习和时频分析，根据行人和自行车的微多普勒特征对其进行分类。
- 心音图数据的小波时间散射分类(小波工具箱)
利用小波时间散射和支持向量机分类器对人心音图录音进行分类。
- 利用内存不足特性训练语音数字识别网络
利用转换后的数据存储，在内存不足的听觉谱图上训练语音数字识别网络。
- 使用深度学习网络去噪语音
使用全连接和卷积神经网络去噪语音信号。
相关信息
- MATLAB中的深度学习(深度学习工具箱)
- 利用深度学习进行序列分类(深度学习工具箱)
特色的例子
您也可以从以下列表中选择网站: