AI를 사용한 신호 처리
신호 레이블 지정, 특징 엔지니어링, 분류, 데이터셋 생성, 이상 감지
Signal Processing Toolbox™는 머신러닝 및 딥러닝 워크플로를 위해 신호 레이블 지정, 특징 엔지니어링, 분류 및 데이터셋 생성을 수행하는 기능을 제공합니다. 이 툴박스는 신호 데이터에서 이상을 감지하도록 훈련하고 사용할 수 있는 오토인코더 객체도 제공합니다.
카테고리
- 분류
신호 특성 분류, sequence-to-sequence 분류를 사용하여 신호 분할 수행
- 회귀
신호 잡음 제거, 위상 복원 및 음원 분리
- 전처리 및 특징 추출
시간 영역, 주파수 영역 및 시간-주파수 영역에서 신호 특징 추출
- 신호 레이블 지정
신호 특성, 신호 관심 영역, 신호 점에 수동 또는 자동으로 레이블 지정
- 이상 감지
딥러닝 신경망을 비롯한 AI 모델을 사용해 신호 이상 감지
- AI 응용 사례
오디오, 생체의학, 예측 정비, 레이다 및 무선 통신
- 임베디드 AI 시스템
딥러닝을 임베디드 타깃 및 GPU에 배포
관련 정보
- MATLAB의 딥러닝 (Deep Learning Toolbox)
- MATLAB에서의 실험 설정 및 관리 방법
추천 예제
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.
장단기 기억 신경망을 사용하여 심전도 신호 분류하기
딥러닝과 신호 처리를 사용하여 심박 심전도 데이터를 분류합니다.
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.
딥러닝을 사용한 파형 분할
시간-주파수 분석과 딥러닝을 사용하여 사람의 심전도 신호를 분할합니다.
Export Labeled Data from Signal Labeler for Deep Learning Classification
Label signals and export data using Signal Labeler to train a deep learning classifier.
