概述
你是信号处理DSP算法工程师,产品开发,还是信号测量?你想使用更多的机器学习或深度学习在你的项目?
在这次会议您将学习的基本思想在应用深度学习音频,演讲,和声学。
我们首先讨论的使用建立pre-trained深度学习模型来解决一些复杂但标准问题。然后我们展示如何设计、训练和部署一个完整的语音命令识别系统使用MATLAB从头开始,从相当大的数据集,结束了一个实时的原型。
突出了
- 使用特定于应用程序的pre-trained网络(例如YAMNet,绉)一行MATLAB代码
- 提取信号特征与现有的算法(如梅尔·色MFCC)和pre-trained深网络(例如VGGish, OpenL3)
- 设计和培训深度网络(包括与CNN、LSTM和格勒乌层)使用gpu
- 为特征提取和生成嵌入式c++网络预测
- 创建实时深度学习原型RaspberryPi董事会
的主持人
Gabriele Bunkheila MathWorks高级产品经理,他在那里坐标为音频和DSP MATLAB工具箱的策略。2008年加入MathWorks后,他作为一个信号处理应用工程师多年,支持MATLAB和Simulink各行业用户从算法设计实时实现。MathWorks之前,他担任过一系列研发职位和他是一个讲师的声音理论和技术在国家电影学院的罗马。他有一个物理硕士学位和博士学位通信工程。
