Saltar al contenido
MathWorks

Cursos online a su ritmo

  • Self-Paced Content
  • MathWorks
  • Centro de ayuda de MATLAB
  • Comunidad de usuarios
  • Aprendizaje
  • Obtenga MATLAB MATLAB
  • Inicie sesión
    • Mi Cuenta
    • Mi perfil de la comunidad
    • Asociar Licencia

    • Cerrar sesión
  • Contactar con el soporte de MathWorks
  • Visit mathworks.com
  • Online Courses
MathWorks MathWorks

Seleccione un país/idioma

Seleccione un país/idioma para obtener contenido traducido, si está disponible, y ver eventos y ofertas de productos y servicios locales. Según su ubicación geográfica, recomendamos que seleccione: .

  • (English)
  • (Deutsch)
  • (Français)
  • (简体中文)
  • (English)

También puede seleccionar uno de estos países/idiomas:

Cómo obtener el mejor rendimiento

Seleccione China (en idioma chino o inglés) para obtener el mejor rendimiento. Los sitios web de otros países no están optimizados para ser accedidos desde su ubicación geográfica.

América

  • América Latina (Español)
  • Canada (English)
  • United States (English)

Europa

  • Belgium (English)
  • Denmark (English)
  • Deutschland (Deutsch)
  • España (Español)
  • Finland (English)
  • France (Français)
  • Ireland (English)
  • Italia (Italiano)
  • Luxembourg (English)
  • Netherlands (English)
  • Norway (English)
  • Österreich (Deutsch)
  • Portugal (English)
  • Sweden (English)
  • Switzerland
    • Deutsch
    • English
    • Français
  • United Kingdom (English)

Asia-Pacífico

  • Australia (English)
  • India (English)
  • New Zealand (English)
  • 中国
    • 简体中文
    • English
  • 日本 (日本語)
  • 한국 (한국어)

Comuníquese con su oficina local

image for course Clasificación de señales con Deep Learning

Clasificación de señales con Deep Learning

Aprenda el flujo de trabajo para utilizar redes profundas a fin de clasificar secuencias ordenadas de datos, tales como señales, series temporales o datos de sensores. El flujo de trabajo incluye preparación de datos, selección de opciones de entrenamiento específicas para señales y creación de una arquitectura de red con capas recurrentes.

Módulos del curso

Introduction

Get an overview of the course.

Lecciones:
  • Course Overview
  • Outline and Learning Outcomes
  • Course Example: Classify Flooding Severity

Import Signals in Labeled Subfolders

Use datastores to import signals and their corresponding labels.

Lecciones:
  • Import Signals with a Datastore
  • Import Signal Labels
  • Visualize Signal Data Set
  • Read in Data Set that Fits in Memory

Prepare Training Inputs

Create all the components needed to train a signal classification network.

Lecciones:
  • Training Inputs
  • Train, Test, and Validation Data
  • Recurrent Networks
  • Create LSTM Architecture
  • Training Options

Train and Evaluate a Signal Classification Network

Train a deep network for signal classification using basic inputs. Then predict with the network and evaluate its performance.

Lecciones:
  • Network Training Function
  • Train the Network
  • Evaluate Network

Adjust Training Inputs to Improve the Network

Learn techniques to improve your deep network, focusing on techniques that are specific to signal applications.

Lecciones:
  • Improve Network Performance Overview
  • Impact of Sequence Length
  • Standardize Sequence Length
  • Epochs and Mini Batches
  • Bidirectional Recurrent Layers
  • Adjust Training Inputs

Conclusion

Learn next steps and give feedback on the course.

Lecciones:
  • Summary
  • Additional Resources
  • Survey

Formato:A su ritmo

Idioma:Español

Idioma

  • Ejercicios prácticos con comentarios automáticos
  • Acceda a MATLAB a través de su navegador web
  • Informe de progreso y certificado del curso disponibles para compartir

Deep Learning Onramp

Introducción rápida a los métodos de deep learning para reconocimiento de imágenes.

Segmentación de señales con Deep Learning

Adapte el flujo de trabajo de clasificación de señales para crear redes profundas que clasifican cada unidad de tiempo de una señal.

MATLAB Onramp

Introducción rápida a los conceptos básicos de MATLAB.

  • Centro de confianza
  • Marcas comerciales
  • Política de privacidad
  • Antipiratería
  • Estado de las aplicaciones
  • Información de contacto

© 1994-2025 The MathWorks, Inc.