主要内容

统计和机器学习的应用程序

统计和机器学习方法应用到特定于行业的工作流程

统计和机器学习工具箱™提供工具来描述、分析和模型数据。应用这些工具,结合MATLAB®工具箱,执行特定于行业的工作流程。的一些应用领域包括:

  • 航空航天-探索雷达和其他信号,检测异常,并建立预测模型。

  • 生物技术和医药——分析临床资料,并进行建模与仿真的药物发现和开发。

  • 通信和信号处理——分类音频和其他信号,无线设备和集成电路模型。

  • 能源生产能源需求预测,监控生产设备和优化处理的化学物质在石油和天然气。

  • 工业自动化和机械——多元统计和预测建模应用于工业过程数据,监控生产过程和产品质量,提高利用率和产量。

  • 医疗设备—构建可翻译的机器学习算法在生物医学时间序列和图像数据而开发应用程序符合监管标准。

  • 定量金融和风险管理——火车、比较和优化模型算法交易,资产配置,信用风险、欺诈检测。

航空航天

雷达目标分类使用机器学习和深入学习(雷达工具箱)

雷达返回使用机器和深度学习的方法进行分类。

生物技术和医药

高通量测序

药物发现和定量系统药理学

通信和信号处理

数据分析的参数的射频数据文件(射频工具箱)

这个例子展示了如何对一组参数进行统计分析的数据文件使用大小,意思是,和标准偏差(STD)。

小波散射与GPU加速-语音数字识别(小波工具箱)

提取特征的GPU信号分类。

特征选择的音频分类(音频工具箱)

完成音频特征选择选择一个说话人识别或词识别任务的特性集。

说话者识别使用沥青和MFCC(音频工具箱)

这个例子演示了基于机器学习的方法来识别人的特性提取记录演讲。

演讲者Diarization使用x-vectors(音频工具箱)

演讲者diarization是音频信号的过程划分为部分根据说话人的身份。

音乐流派分类使用小波时间散射(音频工具箱)

这个例子展示了如何分类的流派音乐摘录使用小波散射和音频数据存储的时间。

能源生产

资产管理的预测分析

  • 风力涡轮机高速轴承的预后(预测维护工具箱)
    构建一个指数退化模型来预测剩余寿命(原则)的风力涡轮机轴承。指数退化模型预测,根据其参数先验原则和最新的测量。

能源交易和风险管理(ETRM)

工业自动化和机械

故障检测使用基于数据模型(预测维护工具箱)

使用一个基于数据的建模方法进行故障检测。

使用三轴振动数据异常检测在工业机械(预测维护工具箱)

检测异常工业机器振动数据使用机器学习和深入学习。

工业机械和制造过程模型构建条件

火车一个二进制分类模型用分类学习者应用检测异常传感器收集的数据从一个工业制造机器。

滚动轴承故障诊断(预测维护工具箱)

进行滚动轴承故障诊断的基于加速度信号。应用包络谱分析和谱峰态对轴承故障诊断。

离心泵的故障诊断使用残留分析(预测维护工具箱)

使用模型parity-equations-based方法检测和诊断故障注入系统。

空气压缩机故障检测使用小波散射(小波工具箱)

分类错误的原声录音空气压缩机使用小波散射网络和支持向量机。金宝app

医疗设备

小波时间散射ECG信号的分类(小波工具箱)

人类心电图信号利用小波时间散射和分类支持向量机分类器。金宝app

小波时间散射心音图数据的分类(小波工具箱)

人类心音图分类记录使用小波时间散射和支持向量机分类器。金宝app

人类活动识别仿真软件模型部署智能手机金宝app

从一个分类模型生成的代码金宝app®模型准备部署智能手机。

人类活动识别定点仿真软件模型部署金宝app

从分类模型模型生成代码准备定点部署。金宝app

定量金融和风险管理

算法交易

信用风险

投资组合优化和资产配置

计量经济学建模