Deep Learning für Signaldaten in MATLAB
Termin vereinbarenKursbeschreibung
Dieser eintägige Kurs liefert eine umfangreiche Einführung in praxisorientiertes Deep Learning für Signale. Sie erstellen, trainieren und evaluieren verschiedene Arten neuronaler Netze für die Signalverarbeitung in MATLAB®.
Themen sind unter anderem:
Themen sind unter anderem:
- Importieren und Kennzeichnen von Signaldaten
- Verwenden von Convolutional Neural Networks für die Signalklassifizierung
- Verwenden von Recurrent Neural Networks für die Signalanalyse
- Anwenden von Deep Learning für die Anomaliedetektion
- Anpassen von Trainingsparametern zur Verbesserung der Netzwerkgüte
- Verwenden von Apps für interaktive Arbeitsabläufe
Tag 1 von 1
Importieren, Kennzeichnen und Verwalten von Signalen
Ziel: Importieren und Organisieren von Signaldaten in MATLAB und Vorverarbeitung für die Analyse. Umgang mit fehlenden Werten. Kennzeichnung und Extraktion interessanter Bereiche.
- Speichern von Daten mittels MATLAB-Datentypen (z. B. timetable)
- Importieren von Daten mit Signal-Datastores
- Verwenden der Signal Labeler App
- Kennzeichnen interessanter Bereiche auf Grundlage von Zeit- und Zeit-Frequenz-Darstellungen
- Automatisieren der Signalkennzeichnung mit benutzerdefinierten Funktionen
Zeit-Frequenz-Transformationen und Convolutional Neural Networks
Ziel: Verwenden von Convolutional Neural Networks und Transfer Learning zur Klassifizierung von Beobachtungen auf ihrer Zeit-Frequenz-Darstellung.
- Visualisieren von Deep-Learning-Netzwerken
- Erstellen von Zeit-Frequenz-Visualisierungen durch Spektrogramme
- Erstellen von Trainings- und Validierungsdatensätzen
- Veredeln von Signaldaten
- Nutzung von Transfer Learning
Benutzerdefinierte Netzwerke und Merkmalextraktion
Ziel: Verwenden von Long Short-Term Memory-Netzwerken (LSTM) und Autoencodern für die Klassifizierung und Anomaliedetektion.
- Verwenden von Wavelet Scattering zur automatischen Generierung von Merkmalen
- Klassifizieren von Signalen mit LSTMs
- Anomaliedetektion mit Autoencodern
- Einsetzen von GPUs zur Beschleunigung von Signalverarbeitungsfunktionen
- Nutzung der Experiment Manager App
Stufe: Aufbaukurse
Voraussetzungen:
MATLAB Grundlagen, grundlegende Kenntnisse der digitalen Signalverarbeitung und Konzepte im Bereich Machine Learning. Vorkenntnisse in Deep Learning sind für diesen Kurs nicht erforderlich.
Dauer: 1 Tag
