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。
前処理と特徴抽出
コマンド ライン関数または信号特徴抽出器アプリを使用して有意な信号特徴を抽出し、機械学習モデルで使用します。
アプリ
| EDF ファイル アナライザー | EDF または EDF+ ファイルの表示 (R2021a 以降) |
| 信号アナライザー | 複数の信号とスペクトルの可視化および比較 |
| 信号ラベラー | 対象となる信号の属性、領域および点へのラベル付け |
| 信号特徴抽出器 | Extract and analyze signal features (R2025a 以降) |
関数
関連情報
- Spectral Descriptors (Audio Toolbox)
トピック
- Use Signal Feature Extractor App
Extract and rank features from signals interactively. Prepare signal datasets for classification tasks.
- Manage Data Sets for Machine Learning and Deep Learning Workflows
Organize, access, and manage data sets for different AI applications.
- Accelerate Signal Feature Extraction and Classification Using a Parallel Pool of Workers
Use parallel computing to extract signal multidomain features for bearing fault detection. (R2024b 以降)
- Accelerate Signal Feature Extraction and Classification Using a GPU
Use a graphical processing unit (GPU) to extract signal multidomain features for bearing fault detection. (R2024b 以降)
- View, Preprocess, and Write EDF File
View and preprocess data stored in an EDF file.
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.
Feature Selection Based on Deep Learning Interpretability for Signal Classification Applications
Use the locally interpretable model-agnostic explanation technique to interpret decision-making processes of a deep learning network.
信号の特徴抽出と機械学習を使用した行動認識
スマートフォンのセンサー信号から特徴を抽出し、それらを使用して人の行動を分類します。
Time-Frequency Feature Embedding with Deep Metric Learning
Construct wavelet-based feature embeddings to classify EEG signals from persons with and without epilepsy.
ウェーブレットベースの特徴とサポート ベクター マシンを使用した信号分類
ウェーブレットから派生させた特徴と自己回帰モデルを使用した、心電図信号の分類。
