matlab 데이터 전처리

Question

안녕하세요. 매트랩 deep learning toolbox 이용하여 QPSK 신호 잡음 없애는 작업을 하고 있습니다.(실수부, 허수부)(0.7071, 0.7071) &#61;&#61;> 0(-0.7071, 0.7071) &#61;&#61;> 1(0.7071, -0.7071) &#61;&#61;> 2(-0.7071, -0.7071) &#61;&#61;> 3딥러닝 모델을 학습시키기 위해 다음과 같이 데이터를 라벨링하고 싶은데 어떤 식으로 진행해야 할지 잘 모르겠습니다.졸업하고 싶은 미천한 4학년을 도와주세요..ㅜㅜclear all; M &#61; 4; %QPSK data &#61; randi([0 M-1], 1000, 1); %1000개의 random data 생성 targets &#61; pskmod(data, M, pi/M); %QPSK 실행 (target) %% target값 plot plot(targets, 'r.'); legend('QPSK') axis([-3 3 -3 3]) title('QPSK Constellation') xlabel('Inphase'); ylabel('Quadrature') %% predictors 값 plot predictors &#61; awgn(targets, 20); %Gaussian Random Noise 추가 (predictor) plot(predictors, 'b.'); legend('QPSK') axis([-3 3 -3 3]) title('QPSK Constellation with Noise') xlabel('Inphase'); ylabel('Quadrature') %% target 실수/허수부 분리 realTargets &#61; real(targets(:,1)); imagTargets &#61; imag(targets(:,1)); targets &#61; [realTargets imagTargets]; %% predictor 실수/허수부 분리, 라벨링 realPredictors &#61; real(predictors(:,1)); imagPredictors &#61; imag(predictors(:,1)); x_predictors &#61; [realPredictors imagPredictors]; y_predictors &#61; data; %% inds &#61; randperm(size(predictors,1)); %% L &#61; round(0.99 * size(predictors,1)); %% 1000개의 data 중 99%는 train data, 1%는 validate data trainPredictors &#61; predictors(inds(1:L),:); validatePredictors &#61; predictors(inds(L&#43;1:end),:); %% layers &#61; [ featureInputLayer(2, &#34;Name&#34;, &#34;One-hot input&#34;, &#34;Normalization&#34;, &#34;none&#34;)

휴지통비우기 · Accepted Answer

매틀랩을 안쓴지 너무 오래라 질문에는 답을 못드리고 보이는 몇 가지에 대해서만 글을 씁니다.validation set이 너무 작아보 보통 8:2를 하던지 적어도 9:1정도를 합니다.predictors는 데이턴데 이름은 모델처럼 지어졌네요. input, output이 더 나을거 같습니다.데이터 라벨링은 x랑 y는 붙일 필요없이 따로따로 순서만 맞으면 보통 됩니다. loss 구할 때나 성능 계산할 때 차례대로 1:1 매칭 될테니까요.

matlab 데이터 전처리

1개의 답변

#matlab 목록