人工智能技术在图像和信号数据上的应用越来越广泛,所涉及行业包括通信电子、生物医疗和健康等。比如,在医疗和健康行业当中,人工智能技术在数字健康、生物信号分析和病人监测等领域有着广泛的应用。
时间序列是按时间顺序排列的一组数字序列,是最常见的信号形式。基于时间序列的人工智能技术可以做股票预测、音乐推荐和疾病诊断等。在本系列视频中,我们将使用真实的心电数据集演示MATLAB中的各种深度学习方法和框架在时间序列信号的分类当中的应用。
本视频将分为两部分。
l 第一部分中我们将首先简单介绍一下深度学习,包括它的概念和工作流程等。之后我们将演示怎样用迁移学习来做ECG信号,也就是心电图信号的分类。最后是一个小结。
l 第二部分中我们将首先介绍什么是小波散射,之后将聚焦在怎样使用小波散射技术也就是不变散射卷积网络做自动特征提取,和用长短期记忆网络也就是LSTM(Long Short-Term Memory)做心电图信号的分类。
深度学习是推动当前人工智能大趋势的关键技术。它的起源可以追溯到计算早期的人工智能,后来发展到机器学习,现在它被认为是机器学习的一个子集。
l 从上世纪50年代发展起来的人工智能技术包含任何能使机器模仿人类智能的技术;
l 之后80年代出现的机器学习是指机器能够从数据中学习任务,而不依赖于预定的方程式或模式
l 2010年左右出现的深度学习也是一种机器学习方法,具体是指利用多层神经网络直接从图像、文本或声音数据中学习表示和任务。
深度学习已经成为我们日常生活的一部分,其中流行的消费者应用包括
l 智能音箱中的语音识别
l 手机摄像头的面部检测
l 以及汽车自动驾驶系统等
在传统的或浅层的机器学习技术中,通常需要一个手动的特征提取步骤来从图