C. Signal Classification with Perce

C. Signal Classification with Perceptron
A problem of particular interest to electrical engineers is that of signal detection, particularly in a noisy environment. Methods such as filtering and signal averaging have been used successfully. In this example a neural net is first trained to learn the input patterns of three signals - a square wave, a triangular wave, and a sine wave. Then, noise is superimposed on these signals with the aid of MATLAB's random number generating function. Each signal is then tested to see whether the network can properly classify it when a certain level of noise is added to it. This is analogous to training a net to learn alphabetic characters and then trying to classify characters with "errors", as discussed previously.
Figure 5 shows samples of the plotted waveforms for the case where the signal to noise amplitude ratio is 5.

0/5000

From: -

To: -

Results (Thai) 1: [Copy]

Copied!

C. Signal Classification with Perceptron A problem of particular interest to electrical engineers is that of signal detection, particularly in a noisy environment. Methods such as filtering and signal averaging have been used successfully. In this example a neural net is first trained to learn the input patterns of three signals - a square wave, a triangular wave, and a sine wave. Then, noise is superimposed on these signals with the aid of MATLAB's random number generating function. Each signal is then tested to see whether the network can properly classify it when a certain level of noise is added to it. This is analogous to training a net to learn alphabetic characters and then trying to classify characters with "errors", as discussed previously.Figure 5 shows samples of the plotted waveforms for the case where the signal to noise amplitude ratio is 5.

Being translated, please wait..

Results (Thai) 2:[Copy]

Copied!

ซีการจัดประเภทสัญญาณ Perceptron กับ
ปัญหาที่สนใจโดยเฉพาะวิศวกรไฟฟ้าเป็นที่ของการตรวจจับสัญญาณโดยเฉพาะอย่างยิ่งในสภาพแวดล้อมที่มีเสียง วิธีการเช่นการกรองสัญญาณและค่าเฉลี่ยที่ได้รับการใช้ประสบความสำเร็จ ในตัวอย่างนี้สุทธิประสาทได้รับการฝึกฝนเป็นครั้งแรกที่จะเรียนรู้รูปแบบการป้อนข้อมูลของสามสัญญาณ - คลื่นสี่เหลี่ยมคลื่นสามเหลี่ยมและคลื่นไซน์ จากนั้นเสียงจะถูกซ้อนทับบนสัญญาณเหล่านี้ด้วยความช่วยเหลือของจำนวนสุ่ม MATLAB ของฟังก์ชั่นการสร้าง สัญญาณแต่ละคนได้รับการทดสอบแล้วเพื่อดูว่าเครือข่ายที่ถูกต้องสามารถจำแนกได้เมื่อระดับหนึ่งของเสียงจะถูกเพิ่มลงไป นี้จะคล้ายคลึงกับการฝึกอบรมสุทธิที่จะเรียนรู้ตัวหนังสือแล้วและพยายามที่จะจัดตัวอักษรที่มีข้อผิดพลาด "" ตามที่กล่าวไว้ก่อนหน้านี้.
รูปที่ 5 แสดงให้เห็นตัวอย่างของรูปคลื่นวางแผนสำหรับกรณีที่อัตราส่วนสัญญาณต่อเสียงกว้างคือ 5

Being translated, please wait..

Results (Thai) 3:[Copy]

Copied!

C . สัญญาณหมวดหมู่กับเพอร์เซปตรอน
ปัญหาที่น่าสนใจโดยเฉพาะวิศวกรคือ ตรวจจับสัญญาณ โดยเฉพาะอย่างยิ่งในสภาพแวดล้อมที่มีเสียงดัง วิธีการเช่นการกรองและค่าเฉลี่ยสัญญาณถูกใช้เรียบร้อยแล้ว ในตัวอย่างนี้สุทธิประสาทก่อนการฝึกอบรมเพื่อเรียนรู้รูปแบบของสัญญาณอินพุต - สามคลื่นคลื่นสี่เหลี่ยม สามเหลี่ยม และไซน์คลื่น จากนั้นเสียงซ้อนทับบนสัญญาณเหล่านี้ด้วยความช่วยเหลือของโปรแกรม MATLAB เป็นจำนวนสุ่มสร้างฟังก์ชัน แต่ละสัญญาณแล้วทดสอบเพื่อดูว่าเครือข่ายอย่างถูกต้องสามารถแบ่งประเภทได้เมื่อระดับของเสียงที่เป็น . นี้จะคล้ายคลึงกับการฝึกสุทธิเพื่อเรียนรู้ตัวอักษรตัวอักษรและจากนั้นพยายามที่จะจัดกลุ่มตัวอักษรกับข้อผิดพลาด " " ตามที่กล่าวถึงก่อนหน้านี้
รูปที่ 5 แสดงให้เห็นตัวอย่างของพล็อตนี่สำหรับกรณีที่อัตราส่วนสัญญาณต่อคลื่นรบกวน 5 .

Being translated, please wait..

Other languages

The translation tool support: Afrikaans, Albanian, Amharic, Arabic, Armenian, Azerbaijani, Basque, Belarusian, Bengali, Bosnian, Bulgarian, Catalan, Cebuano, Chichewa, Chinese, Chinese Traditional, Corsican, Croatian, Czech, Danish, Detect language, Dutch, English, Esperanto, Estonian, Filipino, Finnish, French, Frisian, Galician, Georgian, German, Greek, Gujarati, Haitian Creole, Hausa, Hawaiian, Hebrew, Hindi, Hmong, Hungarian, Icelandic, Igbo, Indonesian, Irish, Italian, Japanese, Javanese, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Korean, Kurdish (Kurmanji), Kyrgyz, Lao, Latin, Latvian, Lithuanian, Luxembourgish, Macedonian, Malagasy, Malay, Malayalam, Maltese, Maori, Marathi, Mongolian, Myanmar (Burmese), Nepali, Norwegian, Odia (Oriya), Pashto, Persian, Polish, Portuguese, Punjabi, Romanian, Russian, Samoan, Scots Gaelic, Serbian, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenian, Somali, Spanish, Sundanese, Swahili, Swedish, Tajik, Tamil, Tatar, Telugu, Thai, Turkish, Turkmen, Ukrainian, Urdu, Uyghur, Uzbek, Vietnamese, Welsh, Xhosa, Yiddish, Yoruba, Zulu, Language translation.