Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Aprendizaje automático y profundo para señales

Etiquetado de señales, ingeniería de características, generación de conjuntos de datos

proporciona funcionalidad para realizar el etiquetado de señales, la ingeniería de características y la generación de conjuntos de datos para flujos de trabajo de aprendizaje automático y aprendizaje profundo.Signal Processing Toolbox™

Funciones

expandir todo

labeledSignalSetCrear conjunto de señales etiquetadas
signalLabelDefinitionCrear definición de etiqueta de señal
findchangeptsEncuentra cambios bruscos en la señal
findpeaksEncuentra maxima local
findsignalBuscar ubicación de la señal mediante la búsqueda de similitudes
fsstTransformación sincronizada de Fourier
instfreqEstimar la frecuencia instantánea
pentropyEntropía espectral de la señal
periodogramEstimación de densidad espectral de potencia de Periodogram
pkurtosisKurtosis espectral de señal o espectrograma
powerbwAncho de banda de alimentación
pspectrumAnalizar señales en los dominios de frecuencia y frecuencia de tiempo
pwelchEstimación de densidad espectral de potencia de Welch

Apps

Analizador de señalesVisualice y compare múltiples señales y espectros

Funcionalidad de etiquetado

Etiquetador de señalesSeñales de etiquetas para análisis o aplicaciones de aprendizaje automático y profundo

Temas

Clasificación de señales mediante características basadas en ondas y máquinas vectoriales de soporte

Clasificar las señales de electrocardiograma humano mediante la extracción de entidades basadaen ondas y un clasificador de máquina vectorial de soporte.

Clasificar series temporales mediante el análisis de ondas y el aprendizaje profundo

Clasifica las señales ECG utilizando la transformación de wavelet continua y una red neuronal convolucional profunda.

Información relacionada

Deep Learning in MATLAB (Deep Learning Toolbox)

Ejemplos destacados