L'IA pour les signaux
Signal Processing Toolbox™ propose des fonctionnalités pour labelliser des signaux, extraire des caractéristiques, effectuer une classification et générer des jeux de données pour les workflows de Machine Learning et de Deep Learning. La toolbox comprend également un objet autoencoder pouvant être entraîné et utilisé pour détecter des anomalies dans les signaux.
Catégories
- Classification
Classifier les attributs des signaux et segmenter le signal avec la classification séquence à séquence
- Régression
Débruitage des signaux, reconstruction de fréquence et séparation des sources
- Prétraitement et extraction de caractéristiques
Extraire les caractéristiques du signal dans les domaines temporel, fréquentiel et temps-fréquence
- Labélisation de signaux
Labellisation manuelle et automatisée des attributs, régions d’intérêt et points des signaux
- Détection d'anomalies
Détecter les anomalies des signaux avec des modèles d’IA, y compris des réseaux de Deep Learning
- Applications de l'IA
Audio, biomédecine, maintenance prédictive, radars et télécommunications
- Systèmes d’IA embarqués
Déployer le Deep Learning sur des cibles et GPU embarqués
Informations connexes
- Deep Learning in MATLAB (Deep Learning Toolbox)
- Comment configurer et gérer des expériences dans MATLAB
Sélection d՚exemples
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.
