在 MATLAB 中使用深度学习处理信号
查看时间表并报名课程详细信息
本课程为期一天，全面介绍深度学习在信号处理中的实践应用。参课人员将学习如何创建、训练和评估不同种类的深度神经网络，以便使用 MATLAB 进行信号处理。
主题包括：
主题包括：
- 导入和标注信号数据
- 使用卷积神经网络进行信号分类
- 使用循环神经网络进行信号分析
- 深度学习在异常检测中的应用
- 修改训练选项来改善网络效率
- 将 App 用于交互式工作流
第1天 (共1天)
信号导入、标注和管理
目标: 在 MATLAB 中导入和组织信号数据并针对分析进行预处理，包括：处理缺失值；标注；以及提取感兴趣的区域。
- 使用 MATLAB 数据类型（例如时间表）存储数据
- 使用信号数据存储导入数据
- 使用信号标注器
- 基于时间和时频表示标注感兴趣区域
- 使用自定义函数自动化信号标注
时频变换和卷积神经网络
目标: 使用卷积神经网络和迁移学习来基于时频成分对观测值进行分类。
- 可视化深度学习网络
- 使用频谱图创建时频图像
- 创建训练集和验证集
- 信号增强
- 迁移学习
自定义网络和特征提取
目标: 使用长短期记忆网络和自编码器来执行分类和异常检测。
- 使用小波散射自动生成特征
- 使用 LSTM 对信号进行分类
- 使用自编码器的异常检测
- 使用 GPU 加速信号处理函数
- 试验管理器
