Cette vidéo couvre la première étape du deep learning : accéder aux données. Une partie de la raison pour déterminer si l’apprentissage en profondeur convient à votre projet est le type et la quantité de données auxquelles vous pouvez accéder. Nous utiliserons des exemples pratiques d’ingénierie de reconnaissance de forme d’onde dans des applications de radar et de communication pour introduire l’importance des données. Nous décrivons d’abord l’ensemble du problème, pourquoi les méthodes de classification traditionnelles peuvent être difficiles et pourquoi il peut être judicieux d’utiliser des données et un apprentissage approfondi pour résoudre le problème. Enfin, nous présenterons comment synthétiser les données d’entraînement par simulation au lieu de les collecter directement par des mesures sur le terrain. Voir d’autres liens : • Exemples d’apprentissage en profondeur MATLAB : • 5 raisons d’utiliser MATLAB pour l’apprentissage en profondeur : • Classification de la modulation de l’apprentissage en profondeur : • Classification des formes d’onde radar à l’aide de l’apprentissage en profondeur : ———————————————– – — ———————————————- – —- — Obtenez une version d’essai gratuite du produit : En savoir plus sur MATLAB : En savoir plus sur Simulink : Découvrez les nouvelles fonctionnalités de MATLAB et Simulink : © 2021 The MathWorks, Inc. MATLAB et Simulink sont The MathWorks, une marque déposée de Inc. Pour une liste d’autres marques, voir www.mathworks.com/trademarks. Les autres noms de produits ou de marques peuvent être des marques ou des marques déposées de leurs propriétaires respectifs. .