以数据为中心的人工智能在信号处理中的应用

对于自动驾驶、语音识别或机器翻译等一些应用，人工智能的应用可以依赖于大型数据集和丰富的研究成果。在这些领域，通常将投入集中在通过设计更复杂的机器学习和深度学习模型来提高系统性能。另一方面，在大多数工业信号处理应用中，数据往往稀缺且嘈杂，量身定制的模型非常罕见，也很难找到现成的研究成果。

在本次演讲中，我们将展示如何使用通过特定领域的专业知识来驱动以数据为中心的工作流，从而显着提高模型性能并实现人工智能的实际应用。我们专注于信号数据，讨论与提高数据和标签质量、减少方差和维度，以及选择优化的特征空间表示和信号转换变换的具体方法。我们还会回顾一些流行的基于仿真的数据生成和增强方法，并以介绍如何选择合适的 AI 模型作为起点。