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

El aprendizaje automático y el aprendizaje profundo

Etiquetado de señales, ingeniería de características, generación de DataSet

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

Funciones

expandir todo

labeledSignalSetCrear conjunto de señal etiquetada
signalLabelDefinitionCree la definición de etiqueta de señal
findchangeptsEncuentra cambios bruscos en la señal
findpeaksEncuentra local maxima
findsignalBusque la ubicación de la señal mediante búsqueda de similitud
fsstLa transformada de Fourier synchrosqueezed
instfreqEstimar la frecuencia instantánea
pentropyLa entropía espectral de la señal
periodogramEstimación de densidad espectral de potencia periodograma
pkurtosisLa curtosis espectral de la señal o del espectrograma
powerbwEl ancho de banda
pspectrumAnalice las señales en los dominios de frecuencia y frecuencia de tiempo
pwelchLa estimación de densidad espectral de potencia de Welch

Aplicaciones

Analizador de señalVisualice y Compare múltiples señales y espectros

Funcionalidad de etiquetado

Signal LabelerLas señales de etiquetas para análisis o aplicaciones de aprendizaje profundo y de máquina

Temas

Clasificación de señales mediante características basadas en wavelet y máquinas de vectores de soporte

Clasifique las señales de electrocardiograma humano utilizando la extracción de características a base de wavelet y un clasificador de máquina de vectores de soporte.

Clasifique series de tiempo usando análisis de wavelet y aprendizaje profundo

Clasifique las señales de ECG utilizando la transformada de wavelet continua y una red neuronal convolucional profunda.

Información relacionada

Deep Learning in MATLAB (Deep Learning Toolbox)

Sequence Classification Using Deep Learning (Deep Learning Toolbox)

Ejemplos destacados