딥러닝을 사용한 신호 분할

sequence-to-sequence 워크플로를 사용하여 신호를 분할하는 방법을 배워 신호 분류 역량을 키울 수 있습니다. 심층 신경망을 사용하여 전체 신호에 대한 하나의 클래스로 분류하는 대신 신호의 각 시간 스텝별로 분류할 수 있습니다. 신호 내 영역에 레이블을 지정하고 영역을 시각화한 다음 훈련 과정을 조정하여 클래스 시퀀스를 출력하는 방법을 알아볼 수 있습니다.

교육과정 모듈

Introduction

Get an overview of the course.

강의 내용:

Course Overview

Outline and Learning Outcomes

Course Example: Classify Regions of Flooding Levels

Label Regions of Interest

Learn two different ways to label time steps in a signal. Label time steps in a signal by importing a sequence of labels from a file and using the Signal Labeler app.

강의 내용:

Use Labels from a File

Walkthrough of Signal Labeler

Use Signal Labeler

Use Labels from Signal Labeler

Classify Each Time Step of Signal Data

Create a deep network architecture that can classify one label for each time step of a signal. Train and evaluate a deep network using specialized visualizations.

강의 내용:

Create Sequence-to-Sequence Architecture

Train a Sequence-to-Sequence Classification Network

View Misclassified Regions

Conclusion

Learn next steps and give feedback on the course.

강의 내용:

Summary

Additional Resources

Survey

딥러닝을 사용한 신호 분할

교육과정 모듈

Introduction

Label Regions of Interest

Classify Each Time Step of Signal Data

Conclusion

언어

자동화된 피드백이 제공되는 실습 연습문제
웹 브라우저를 통해 MATLAB 이용
공유 가능한 진도 보고서 및 교육과정 수료증

Signal Processing Onramp

Machine Learning Onramp

딥러닝을 사용한 신호 분류

딥러닝을 사용한 신호 분할

교육과정 모듈

Introduction

Label Regions of Interest

Classify Each Time Step of Signal Data

Conclusion

언어

자동화된 피드백이 제공되는 실습 연습문제웹 브라우저를 통해 MATLAB 이용공유 가능한 진도 보고서 및 교육과정 수료증

Signal Processing Onramp

Machine Learning Onramp

딥러닝을 사용한 신호 분류

자동화된 피드백이 제공되는 실습 연습문제
웹 브라우저를 통해 MATLAB 이용
공유 가능한 진도 보고서 및 교육과정 수료증