Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

信号の機械学習および深層学習

信号のラベル付け、特徴量エンジニアリング、データセット生成

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、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。

アプリ

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

関数

すべて展開する

labeledSignalSetラベル付き信号セットの作成
signalLabelDefinition信号ラベル定義の作成
signalMask信号マスクの変更および変換、ならびに信号の関心領域の抽出
binmask2sigroiROI 範囲の行列へのバイナリ マスクの変換
extendsigroi信号の関心領域の左右への拡張
extractsigroi信号の関心領域の抽出
mergesigroi信号の関心領域のマージ
removesigroi信号の関心領域の削除
shortensigroi信号の関心領域の左右からの短縮
sigroi2binmaskバイナリ マスクへの ROI 範囲の行列の変換
edfinfoEDF ファイルに関する情報の取得
edfreadEDF ファイルからのデータの読み取り
signalDatastore信号コレクションのデータストア
findchangepts信号の急激な変化の検出
findpeaks局所的最大値
findsignal類似性検索を使用した信号の位置の検出
fsstフーリエ シンクロスクイーズド変換
instfreq瞬時周波数の推定
pentropy信号のスペクトル エントロピー
periodogramピリオドグラム パワー スペクトル密度推定
pkurtosis信号またはスペクトログラムからのスペクトル尖度
powerbwパワー帯域幅
pspectrum周波数領域および時間-周波数領域内の信号の解析
pwelchウェルチのパワー スペクトル密度推定

トピック

グラウンド トゥルース データにラベルを付けるためのアプリの選択

グラウンド トゥルース データのラベル付けに、次のどのアプリを使用するかを決定します。イメージ ラベラービデオ ラベラーグラウンド トゥルース ラベラーLIDAR ラベラー信号ラベラーAudio Labeler

Radar and Communications Waveform Classification Using Deep Learning (Phased Array System Toolbox)

This example shows how to classify radar and communications waveforms using the Wigner-Ville distribution (WVD) and a deep convolutional neural network (CNN).

Music Genre Classification Using Wavelet Time Scattering (Wavelet Toolbox)

This example shows how to classify the genre of a musical excerpt using wavelet time scattering and the audio datastore. In wavelet scattering, data is propagated through a series of wavelet transforms, nonlinearities, and averaging to produce low-variance representations of the data. These low-variance representations are then used as inputs to a classifier.

Wavelet Time Scattering Classification of Phonocardiogram Data (Wavelet Toolbox)

This example shows how to classify human phonocardiogram (PCG) recordings using wavelet time scattering and a support vector machine (SVM) classifier. Phonocardiograms are acoustic recordings of sounds produced by the systolic and diastolic phases of the heart. Auscultation of the heart continues to play an important diagnostic role in assessing cardiac health. Unfortunately, many areas of the world lack sufficient numbers of medical personnel trained in heart auscultation. Accordingly, it is necessary to develop reliable automated ways of interpreting phonocardiogram data.

関連情報

注目の例