このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
信号向け AI
信号のラベル付け、特徴量エンジニアリング、分類、データセット生成、異常検出
Signal Processing Toolbox™ は、機械学習と深層学習のワークフロー用に信号のラベル付け、特徴量エンジニアリング、分類、およびデータセット生成を実行するための機能を提供します。このツールボックスは、信号データの異常を検出するために学習させて使用できる自己符号化器オブジェクトも提供します。
カテゴリ
- 分類
信号属性の分類、sequence-to-sequence 分類を使用した信号セグメンテーションの実行
- 回帰
信号ノイズ除去、位相再生、およびソース分離
- 前処理と特徴抽出
時間領域、周波数領域、時間-周波数領域で信号の特徴を抽出する
- 信号のラベル付け
信号属性、関心領域、および点の手動/自動ラベル付け
- 異常検出
深層学習ネットワークを含む AI モデルを使用して信号の異常を検出する
- AI アプリケーション
オーディオ、生物医学、予知保全、レーダー、および無線
- 組み込み AI システム
組み込みターゲットと GPU に深層学習を展開する
関連情報
- MATLAB による深層学習 (Deep Learning Toolbox)
- How to Set Up and Manage Experiments in MATLAB
注目の例
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.
長短期記憶ネットワークを使用した ECG 信号の分類
深層学習と信号処理を使用して、心拍心電図のデータを分類します。
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.
深層学習を使用した波形セグメンテーション
時間-周波数解析と深層学習を使用して、人間の心電図信号をセグメント化します。
Export Labeled Data from Signal Labeler for Deep Learning Classification
Label signals and export data using Signal Labeler to train a deep learning classifier.
