IA para señales
Signal Processing Toolbox™ proporciona funcionalidades para realizar el etiquetado de señales, la ingeniería de características, la clasificación y la generación de conjuntos de datos en los flujos de trabajo de machine learning y deep learning. La toolbox también ofrece un objeto codificador automático que se puede entrenar y usar para detectar anomalías en datos de señales.
Categorías
- Clasificación
Clasifique atributos de señales y realice segmentación de señales utilizando la clasificación secuencia a secuencia
- Regresión
Eliminación de ruido de señales, recuperación de fases y separación de fuentes
- Preprocesamiento y extracción de características
Extracción de características de señal en los dominios de tiempo, frecuencia y tiempo-frecuencia
- Etiquetado de señales
Etiquetado manual y automatizado de atributos de señal, regiones de interés y puntos
- Detección de anomalías
Detecte anomalías en señales utilizando modelos de IA, incluidas redes de deep learning
- Aplicaciones de IA
Audio, biomedicina, mantenimiento predictivo, radar y redes inalámbricas
- Sistemas de IA integrados
Implementar deep learning en objetivos integrados y GPU
Información relacionada
- Deep learning en MATLAB (Deep Learning Toolbox)
- Cómo configurar y gestionar experimentos en MATLAB
Ejemplos destacados
Machine Learning and Deep Learning Classification Using Signal Feature Extraction Objects
Use signal feature extraction objects and AI-based classification to identify faulty bearing signals in mechanical systems.
Classify ECG Signals Using Long Short-Term Memory Networks
Classify heartbeat electrocardiogram data using deep learning and signal processing.
Anomaly Detection Using Convolutional Autoencoder with Wavelet Scattering Sequences
Detect anomalies in acoustic data using wavelet scattering and the
deepSignalAnomalyDetector object.
Denoise EEG Signals Using Differentiable Signal Processing Layers
Remove EOG noise from EEG signals using deep learning regression.
Waveform Segmentation Using Deep Learning
Segment human electrocardiogram signals using time-frequency analysis and deep learning.
Export Labeled Data from Signal Labeler for Deep Learning Classification
Label signals and export data using Signal Labeler to train a deep learning classifier.
