L'IA per DSP
DSP System Toolbox™ fornisce feature atte a modellare una rete di dispersione wavelet e rilevare anomalie utilizzando una rete di Deep Learning in Simulink®.
Il blocco Wavelet Scattering crea un framework per la dispersione temporale wavelet nell'ambiente di Simulink. Utilizzare questo blocco per ricavare feature a bassa varianza da dati a valore reale e utilizzare tali feature in applicazioni di Machine Learning e Deep Learning. Per ulteriori informazioni, vedere Wavelet Scattering (Wavelet Toolbox). Il blocco Wavelet Scattering richiede Wavelet Toolbox™.
Il blocco Deep Signal Anomaly Detector rileva le anomalie del segnale in Simulink tempo reale utilizzando un modello di rete di Deep Learning autoencoder addestrato con memoria a breve e lungo termine (LSTM). È necessario prima creare e addestrare un oggetto rilevatore in MATLAB® utilizzando la funzione deepSignalAnomalyDetector
e configurare il blocco per utilizzare questo modello in Simulink. Il blocco Deep Signal Anomaly Detector richiede Deep Learning Toolbox™.
Blocchi
Wavelet Scattering | Model wavelet scattering network in Simulink (Da R2022b) |
Deep Signal Anomaly Detector | Detect signal anomalies using deep learning network in Simulink (Da R2024a) |
Argomenti
- Wavelet Scattering (Wavelet Toolbox)
Derive low-variance features from real-valued time series and image data.
- Fault Detection Using Wavelet Scattering and Recurrent Deep Networks (Wavelet Toolbox)
Classify faults in acoustic recordings of air compressors using a wavelet scattering network paired with a recurrent neural network. (Da R2021b)