Deep Learning per i segnali in MATLAB
Guarda il programma e iscrivitiDettagli dei corsi
Questo corso della durata di un giorno fornisce un'introduzione esaustiva al Deep Learning per i segnali. I partecipanti apprenderanno come creare, addestrare e valutare vari tipi di reti neurali profonde per l'elaborazione del segnale utilizzando MATLAB®.
Elenco degli argomenti:
Elenco degli argomenti:
- Importazione ed etichettatura dei dati del segnale
- Utilizzo delle reti neurali convoluzionali per la classificazione del segnale
- Utilizzo delle reti neurali ricorrenti per l'analisi del segnale
- Applicazione del Deep Learning per il rilevamento delle anomalie
- Miglioramento della prestazione di una rete modificando le opzioni di addestramento
- Utilizzo delle applicazioni per i workflow interattivi
Giorno 1/1
Importazione, etichettatura e gestione del segnale
Obiettivo: Importare i dati del segnale in MATLAB e pre-elaborarli per l'analisi, compresa la gestione dei valori mancanti, l'etichettatura e l'estrazione delle regioni di interesse.
- Memorizzazione dei dati utilizzando tipi di dati di MATLAB (ad esempio, una tabella orario)
- Importazione di dati tramite i datastore del segnale
- Utilizzo dell'app Signal Labeler
- Etichettatura della regione di interesse in base alle rappresentazioni di tempo e di tempo-frequenza
- Automatizzazione dell'etichettatura del segnale con funzioni personalizzate
Trasformate tempo-frequenza e reti neurali convoluzionali
Obiettivo: Utilizzare le reti neurali convoluzionali e il transfer learning per classificare le osservazioni in base al contenuto in tempo-frequenza.
- Visualizzazione delle reti di Deep Learning
- Creazione di immagini in tempo-frequenza utilizzando lo spettrogramma
- Creazione di insiemi di addestramento e di validazione
- Aumento dei segnali
- Utilizzo del transfer learning
Reti personalizzate ed estrazione di feature
Obiettivo: Utilizzare le reti con memoria a breve e lungo termine (LSTM) e l'autoencoder per eseguire la classificazione e il rilevamento delle anomalie.
- Generazione automatica di feature tramite Wavelet Scattering
- Classificazione dei segnali utilizzando le LSTM
- Rilevamento delle anomalie utilizzando gli autoencoder
- Accelerazione delle funzioni di elaborazione del segnale utilizzando le GPU
- Utilizzo dell'app Experiment Manager
Livello: Intermedio
Prerequisiti:
Fondamenti MATLAB e una conoscenza di base dei concetti di elaborazione del segnale e di Machine Learning. Per questo corso non è necessaria alcuna conoscenza preliminare di Deep Learning.
Durata: 1 giorno
Lingue: English
