La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Détection d'anomalies

R2026a
Détecter les anomalies des signaux avec des modèles d’IA, y compris des réseaux de Deep Learning

Extrayez des caractéristiques temps-fréquence éparses pour détecter les anomalies dans les données électromagnétiques, acoustiques et vibratoires.

Pour explorer les solutions destinées aux workflows de détection d’anomalies dans les séries temporelles, veuillez consulter Time Series Anomaly Detection for MATLAB.

Fonctions

développer tout

deepSignalAnomalyDetectorCreate signal anomaly detector (depuis R2023a)
audioDatastoreDatastore for collection of audio files
arrayDatastoreDatastore for in-memory data
signalDatastoreDatastore for collection of signals
imageDatastoreDatastore for image data
waveletScatteringWavelet time scattering
signalTimeFeatureExtractorStreamline signal time feature extraction
signalFrequencyFeatureExtractorStreamline signal frequency feature extraction
signalTimeFrequencyFeatureExtractorStreamline signal time-frequency feature extraction (depuis R2024a)
stftLayerShort-time Fourier transform layer
istftLayerInverse short-time Fourier transform layer (depuis R2024a)
cwtLayerContinuous wavelet transform layer (depuis R2022b)
icwtLayerInverse continuous wavelet transform layer (depuis R2024b)
modwtLayerMaximal overlap discrete wavelet transform layer (depuis R2022b)

Informations connexes

Sélection d՚exemples

Anomaly Detection Using Convolutional Autoencoder with Wavelet Scattering Sequences

Anomaly Detection Using Convolutional Autoencoder with Wavelet Scattering Sequences

Detect anomalies in acoustic data using wavelet scattering and the deepSignalAnomalyDetector object.

Detect Anomalies in Signals Using deepSignalAnomalyDetector

Detect Anomalies in Signals Using deepSignalAnomalyDetector

Use autoencoders to detect abnormal points or segments in time series data.

Crack Identification from Accelerometer Data

Crack Identification from Accelerometer Data

Use wavelet and deep learning techniques to detect and localize transverse pavement cracks.

(Deep Learning Toolbox)

Detect Anomalies Using Wavelet Scattering with Autoencoders

Detect Anomalies Using Wavelet Scattering with Autoencoders

Learn how to develop an alert system for predictive maintenance using wavelet scattering and deep learning.

(Deep Learning Toolbox)

Fault Detection Using Wavelet Scattering and Recurrent Deep Networks

Fault Detection Using Wavelet Scattering and Recurrent Deep Networks

Classify faults in acoustic recordings of air compressors using a wavelet scattering network paired with a recurrent neural network.

(Deep Learning Toolbox)