Deep Learning for Signals in MATLAB
일정 보기 및 등록교육과정 세부 정보
본 1일 교육과정에서는 신호에 사용하는 실용적 딥러닝에 대해 전반적으로 소개합니다. 수강생은 MATLAB을 사용하여 신호 처리를 위한 다양한 종류의 심층 신경망(DNN, deep neural networks)을 생성하고 훈련시키며 평가하는 방법을 배우게 됩니다.
본 교육과정에서 다루는 주요 내용은 다음과 같습니다.
본 교육과정에서 다루는 주요 내용은 다음과 같습니다.
- 신호 데이터 가져오기 및 레이블 지정
- 컨벌루션 신경망(CNN)을 사용한 신호 분류
- 순환 신경망을 사용한 신호 분석
- 이상 감지에 딥러닝 적용
- 훈련 옵션의 수정을 통한 신경망 성능 개선
- 대화형 워크플로를 위한 앱 사용
1일차
신호 가져오기, 레이블 지정 및 관리
학습목표: 신호 데이터를 MATLAB으로 가져와서 구성하고, 누락값 처리, 레이블 지정, 관심 영역 추출을 비롯하여 분석을 위해 전처리합니다.
- MATLAB 데이터형(예: timetable형)을 사용하여 데이터 저장
- 신호 데이터저장소를 사용하여 데이터 가져오기
- 신호 레이블 지정기 앱 사용
- 시간 표현 및 시간-주파수 표현을 기반으로 관심 영역에 레이블 지정
- 사용자 지정 함수를 사용하여 신호 레이블 지정 자동화
시간-주파수 변환 및 컨벌루션 신경망
학습목표: 컨벌루션 신경망과 전이 학습을 사용하여 시간-주파수 성분에 따라 관측값을 분류합니다.
- 딥러닝 신경망 시각화
- 스펙트로그램을 사용하여 시간-주파수 영상 생성
- 훈련 세트 및 검증 세트 생성
- 신호 증대
- 전이 학습
사용자 지정 신경망 및 특징 추출
학습목표: LSTM(장단기 기억) 신경망과 오토인코더를 사용하여 분류 및 이상 감지를 수행합니다.
- 웨이블릿 산란을 사용하여 자동으로 특징 생성
- LSTM을 사용하여 신호 분류
- 오토인코더를 사용한 이상 감지
- GPU를 사용하여 신호 처리 함수의 속도 향상
- 실험 관리자 앱
수준: 중급
수강자 필수조건:
MATLAB Fundamentals 이수 및 신호 처리와 머신러닝 개념에 대한 지식. 본 교육과정에서는 딥러닝에 대한 사전 지식이 필요하지 않습니다.
기간: 1 일
언어: English
