主要内容

机器学习和深度学习

基于小波的机器学习和深度学习技术，GPU加速，硬件部署，信号标记

小波技术对于获取稀疏、压缩的数据表示或特征非常有效，可以用于机器学习和深度学习工作流程。通过小波工具箱支持部署多尺度特征金宝app提取算法MATLAB®编码器™和GPU编码器™用于多个目标。为了充分利用现代图形处理单元(GPU)提供的性能优势，某些小波工具箱™功能可以在GPU上执行操作。这些函数为你的工作流程提供GPU加速。小波工具箱还提供执行信号标记的功能。

  • 处理的信号
    多分辨率分析，小波时间散射，连续小波变换，非抽样离散小波变换，Wigner-Ville分布，mel谱图
  • 处理图像
    小波图像散射，二维连续小波变换，剪切波，平稳小波变换
  • GPU加速
    图形处理器上的特征提取，用于机器学习和深度学习工作流
  • 硬件部署
    C/ c++代码生成，GPU代码生成，Raspberry Pi™，NVIDIA®杰森®

相关信息

特色的例子

基于小波散射的空压机故障检测

基于小波散射的空压机故障检测

利用小波散射网络和支持向量机对空压机录音故障进行分类。金宝app
打开生活的脚本
基于自编码器和小波的异常检测

基于自编码器和小波的异常检测

学习如何使用小波特征来检测直流系统中的电弧故障。
打开生活的脚本
利用小波分析和深度学习对时间序列进行分类

利用小波分析和深度学习对时间序列进行分类

利用深度学习和连续小波变换对心跳心电图数据进行分类。
打开生活的脚本
基于小波散射和递归深度网络的故障检测

基于小波散射和递归深度网络的故障检测

采用小波散射网络与递归神经网络相结合的方法对空压机声学记录进行故障分类。
打开生活的脚本
基于小波时间散射的音乐类型分类

基于小波时间散射的音乐类型分类

使用小波时间散射和音频数据存储对音乐节录的类型进行分类。
打开生活的脚本
基于小波散射和深度学习的寄生虫分类

基于小波散射和深度学习的寄生虫分类

利用小波图像散射和深度学习对寄生虫感染进行分类。
打开生活的脚本
基于小波特征和支持向量机的信号分类金宝app

基于小波特征和支持向量机的信号分类金宝app

使用小波和支持向量机分类器的自回归模型对心电图信号进行分类。金宝app
打开生活的脚本
基于小波图像散射的纹理分类

基于小波图像散射的纹理分类

在GPU上提取基于小波的特征用于图像分类。
打开生活的脚本
小波时间散射在心电信号分类中的应用

小波时间散射在心电信号分类中的应用

利用小波时间散射和支持向量机分类器对人体心电图信号进行分类。金宝app
打开生活的脚本

小波工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在