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程提供了执行信号标记、特征工程和数据集生成的功能。
Funzioni
Argomenti
- 管理机器学习和深度学习工作流程的数据集
组织、访问和管理不同人工智能应用程序的数据集。
- 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,地面真相标签,激光雷达贴标签机,信号贴标签机,或医学图像标签.
- 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心音记录进行分类。万博1manbetx
- 使用内存不足特性训练语音数字识别网络
使用转换后的数据存储在内存不足的听觉频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。
Informazioni complementari
- MATLAB深度学习(深度学习工具箱)
- 使用深度学习的序列分类(深度学习工具箱)