![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
MATLAB深度学习
佟湘玉滴玉
善待别人,关心自己;
赠人玫瑰,手有余香
展开
-
MATLAB使用后期融合实现声音场景识别(四)——训练与评估集成分类器
本文是对MATLAB官网文档Acoustic Scene Recognition Using Late Fusion中训练集成分类器部分的翻译与解析,请参考原网页进行理解。目录Feature Extraction for Ensemble Classifier集成分类器的特征提取Define and Train Ensemble Classifier定义和训练集成分类器Evaluate Ensemble Classifier评估集成分类器Apply Late Fusion使用后期融合Evaluate La翻译 2020-10-03 20:14:35 · 795 阅读 · 0 评论 -
MATLAB使用后期融合实现声音场景识别(三)——定义、训练及验证CNN
本文是对MATLAB官网文档Acoustic Scene Recognition Using Late Fusion中定义并训练CNN的翻译与解析,请参考原网页进行理解。CNN的结构和训练设置训练设置写一篇我的翻译结果,Recognition Using Late FusionReferences[1] A. Mesaros, T. Heittola, and T. Virtanen. Acoustic Scene Classification: an Overview of DCASE 2017翻译 2020-10-02 17:12:09 · 698 阅读 · 0 评论 -
MATLAB使用后期融合实现声音场景识别(二)——生成CNN的数据集
本文是对MATLAB官网文档Acoustic Scene Recognition Using Late Fusion中CNN特征提取部分的翻译与解析,请参考原网页进行理解。Feature Extraction for CNN数据集中的每个音频片段都包含10秒的立体声(左右)音频。 本示例中的特征提取管道和CNN架构均基于[3]。 使用系统的超参数优化工作流程从原始论文中修改了用于特征提取,CNN架构和训练选项的超参数。首先,将音频转换为中端编码。 [3]建议中端编码的数据提供更好的空间信息,CNN可以翻译 2020-10-01 11:26:07 · 1320 阅读 · 0 评论 -
MATLAB语音信号——语音信号的Mel spectrogram(梅尔频谱图)计算
MATLAB官方网页melSpectrogram原创 2020-09-04 09:39:24 · 14640 阅读 · 8 评论 -
MATLAB使用后期融合实现声音场景识别(一)——数据集加载
Acoustic Scene Recognition Using Late FusionThis example shows how to create a multi-model late fusion system for acoustic scene recognition. The example trains a convolutional neural network (CNN) using mel spectrograms and an ensemble classifier using翻译 2020-09-28 19:30:21 · 1725 阅读 · 2 评论 -
MATLAB实现自编码器(六)——变分自编码器(VAE)官网代码的改进
本文内容参考了Conditional VAE (Variational Auto Encoder) 条件付きVAE原创 2020-08-24 11:07:20 · 7494 阅读 · 13 评论 -
MATLAB实现自编码器(五)——变分自编码器(VAE)实现图像生成的帮助函数
本文是对Train Variational Autoencoder (VAE) to Generate Images网页的翻译,该网页实现了变分自编码的图像生成,以MNIST手写数字为训练数据,生成了相似的图像。本文主要翻译了网页中除了帮助函数外的部分,由于帮助函数较多,另外整理一篇文章介绍。...原创 2020-08-12 21:04:24 · 3617 阅读 · 2 评论 -
MATLAB实现自编码器(四)——变分自编码器实现图像生成Train Variational Autoencoder (VAE) to Generate Images
Train Variational Autoencoder (VAE) to Generate Images原创 2020-08-12 15:38:52 · 4765 阅读 · 8 评论 -
MATLAB实现自编码器(三)——堆栈自编码器Stacked Autoencoders实现手写数字分类
在前面两篇博客的基础上,可以实现MATLAB给出了堆栈自编码器的实现Train Stacked Autoencoders for Image Classification,本文对其进行分析堆栈自编码器Stacked Autoencoders堆栈自编码器是具有多个隐藏层的神经网络可用于解决图像等复杂数据的分类问题。每个层都可以在不同的抽象级别学习特性。然而,训练具有多个隐藏层的神经网络在实践中可能是困难的。一种有效训练多层神经网络的方法是一次训练一层。可以通过为每个所需的隐藏层训练一种称为自动编码原创 2020-08-06 21:05:20 · 5709 阅读 · 23 评论 -
MATLAB实现自编码器(二)——(稀疏)自编码器的实现
MATLAB原创 2020-08-05 10:51:07 · 10907 阅读 · 10 评论 -
MATLAB实现自编码器(一)——Autoencoder类和训练设置
自编码器基本原理自编码器(Autoencoder,AE)是一类在半监督学习和非监督学习中使用的人工神经网络,其功能是通过将输入信息作为学习目标,对输入信息进行表征学习(representation learning)。本文主要对MATLAB2020实现堆栈自编码器的相关知识进行整理。Autoencoder类MATLAB提供了Autoencoder class,对2020版网页的简要翻译如下:Description描述一个自动编码器对象包含一个自动编码器网络,该网络由一个编码器和一个解码器组成。 编原创 2020-08-04 22:29:05 · 15615 阅读 · 5 评论 -
MATLAB深度学习工具箱文档——trainingOptions函数的参数设置
trainingOptions函数的参数设置是深度学习训练的一个重点,训练深度学习神经网络的选项这里写目录标题ExamplesInput ArgumentssolverName — Solver for training networkPlots and Display'Plots' — Plots to display during network training'Verbose' — Indicator to display training progress information'Verbose翻译 2020-11-20 18:07:11 · 13622 阅读 · 4 评论 -
Crack Identification From Accelerometer Data(四)——小波散射数据分析
本文基于matlab2020版官方网页DocumentationCrack Identification From Accelerometer Data及个人理解。该示例显示了如何使用小波wavelet和深度学习技术来检测横向路面裂缝并确定其位置。该示例演示了将小波散射序列用作门控循环单元(GRU)和一维卷积网络的输入,以便根据是否存在裂缝对时间序列进行分类。数据是从安装在前排乘客座椅车轮的转向节上的传感器获得的垂直加速度测量值。及早发现发展中的横向裂缝对于评估和维护路面性能非常重要。可靠的自动检测方法可原创 2020-11-01 19:55:08 · 2990 阅读 · 0 评论 -
Crack Identification From Accelerometer Data(三)——实现一维卷积神经网络
MATLAB实现一维卷积神经网络Crack Identification From Accelerometer Data原创 2020-11-01 19:54:13 · 3478 阅读 · 4 评论 -
Crack Identification From Accelerometer Data(二)——实现GRU循环神经网络
MATLAB实现GRU循环神经网络Crack Identification From Accelerometer Data原创 2020-11-01 19:53:41 · 1564 阅读 · 1 评论 -
Crack Identification From Accelerometer Data(一)——数据集导入与处理
本文基于matlab2020版官方网页DocumentationCrack Identification From Accelerometer Data及个人理解。该示例显示了如何使用小波wavelet和深度学习技术来检测横向路面裂缝并确定其位置。该示例演示了将小波散射序列用作门控循环单元(GRU)和一维卷积网络的输入,以便根据是否存在裂缝对时间序列进行分类。数据是从安装在前排乘客座椅车轮的转向节上的传感器获得的垂直加速度测量值。及早发现发展中的横向裂缝对于评估和维护路面性能非常重要。可靠的自动检测方法可原创 2020-11-01 19:53:05 · 1522 阅读 · 0 评论 -
MATLAB深度学习工具箱文档——Set Up Parameters and Train Convolutional Neural Network
Set Up Parameters and Train Convolutional Neural Network指定优化器和最大轮次数Specify Solver and Maximum Number of Epochs指定和修改学习率Specify and Modify Learning Rate指定验证数据Specify Validation Data选择硬件资源Select Hardware Resource保存检查点网络并恢复训练Save Checkpoint Networks and Resume翻译 2020-10-02 12:10:29 · 1392 阅读 · 0 评论