Vai al contenuto
MathWorks

Corsi online da autodidatta

  • Self-Paced Content
  • MathWorks
  • MATLAB Help Center
  • Community
  • Apprendimento
  • Acquista MATLAB MATLAB
  • Accedi
    • Il Mio Account
    • Il mio Profilo utente
    • Associa Licenza

    • Disconnettiti
  • Contatta l’assistenza MathWorks
  • Visit mathworks.com
  • Online Courses
MathWorks MathWorks

Seleziona un sito web

Seleziona un sito web per visualizzare contenuto tradotto dove disponibile e vedere eventi e offerte locali. In base alla tua area geografica, ti consigliamo di selezionare: .

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

Puoi anche selezionare un sito web dal seguente elenco:

Come ottenere le migliori prestazioni del sito

Per ottenere le migliori prestazioni del sito, seleziona il sito cinese (in cinese o in inglese). I siti MathWorks per gli altri paesi non sono ottimizzati per essere visitati dalla tua area geografica.

Americhe

  • 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-Pacifico

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

Contatta l’ufficio locale

image for course Classificazione di segnali con il Deep Learning

Classificazione di segnali con il Deep Learning

Impara il workflow dell’utilizzo delle reti profonde per classificare sequenze ordinate di dati, come segnali, serie temporali o dati di sensori. Il workflow include la preparazione dei dati, la scelta delle opzioni di addestramento specifiche per i segnali e la creazione di un’architettura di rete con layer ricorrenti.

Moduli del corso

Introduction

Get an overview of the course.

Lezioni:
  • 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.

Lezioni:
  • 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.

Lezioni:
  • 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.

Lezioni:
  • 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.

Lezioni:
  • 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.

Lezioni:
  • Summary
  • Additional Resources
  • Survey

Formato:Autogestito

Lingua:Italiano

Lingua

  • Esercizi pratici con feedback automatico
  • Accedi a MATLAB tramite il browser web
  • Report sui progressi e certificato del corso condivisibili

Deep Learning Onramp

Come iniziare rapidamente ad utilizzare i metodi di Deep Learning per il riconoscimento di immagini.

Segmentazione di segnali con il Deep Learning

Adatta il workflow di classificazione dei segnali alla creazione di reti profonde che classificano ciascuna delle fasi temporali di un segnale.

MATLAB Onramp

Come iniziare rapidamente con le nozioni di base di MATLAB.

  • Centro di fiducia
  • Marchi
  • Informativa sulla privacy
  • Antipirateria
  • Stato dell'applicazione
  • Contatti

© 1994-2025 The MathWorks, Inc.