小波散射使您能够生成最小化差异的低方差数据表示之内保持可分辨性的类穿过课程。小波散射需要很少有用户指定的参数来生成数据的紧凑表示,这些数据是在您定义的刻度上对时间偏移的稳健。您可以将这些表示与机器学习算法结合使用,以进行分类和回归。
您可以使用连续小波变换(CWT)生成2-D时间序列数据的时间频率映射,可与二维卷积网络一起使用。生成时频表示在深细胞神经网络的用途是用于信号分类的有力方法。CWT在时间序列数据中同时捕获稳态和瞬态行为的能力使得基于小波的时频表示在与深CNN配对时特别坚固。
使用信号处理工具箱™ 许可证您可以将短时傅里叶变换包括到机器学习和深度学习工作流中。你也可以使用信号贴标机(信号处理工具箱)标记用于分析或用于机器学习和深度学习应用的信号。信号贴标机将数据另存为标记信号集
物体。有一个音频工具箱™ 许可证在信号标签机中导入和播放音频文件数据(信号处理工具箱). 你也可以使用光谱图
(音频工具箱)用于特征提取。
信号贴标机 | 标签信号属性,地区和兴趣点 |