У меня очень шумный набор данных, который я хочу проанализировать с помощью нейронной сети (решенная) ⇐ Python

[Anonymous]

Извините, если этот вопрос неправильно сформулирован, так как я никогда не задавал свой собственный вопрос о переполнении стека. Таким образом, у меня есть проект, в котором я хочу выяснить конкретную характеристику через их звук, и моя текущая идея в основном заключается в быстрого преобразования Фурье, а также получить частоты и амплитуды всех пиков, а затем переправить это в нейронную сеть, чтобы получить прогноз для класса этого звука. Затем я использовал функцию numpy fft.fft и получил назад супер -шумный частотный домен:
Частотный домен для класса One:

Код: Выделить всё

    peaks, properties = scipy.signal.find_peaks(data['X'][0], height=0.1, prominence=(None,0.4), distance=100)

plt.plot(data['X'][0])
plt.title( str(data['Y'][0]) + ' Palito')
plt.scatter(peaks, data['X'][0][peaks], color='red', marker='x')
plt.show()

Красные клещи - все из пиков, найденных в этом коде:

then oLiter. Амплитуда характерного пика значительно снижается. < /p>
smooth = scipy.signal.savgol_filter(data['X'][rand], 50000, 2)

plt.plot(smooth)
plt.title( str(data['Y'][rand]) + ' Palito')
plt.show()
< /code>
Сглаженная доменная домен для частотного для второго класса обратите внимание, что пик намного меньше, чем то, что показано на не сглаженном: < /p>

Теперь мой вопрос в основном, как я могу найти только пики, которые я хочу? Я попытался также изменить параметр признания в функции find_peaks, но, похоже, он не делает ничего полезного, и его документация не имеет большого смысла для меня. Изменения.
То, что я ожидаю, когда я анализирую больше классов, в основном, что амплитуда характерного пика класса 2 увеличится, и появится несколько других пиков.

Подробнее здесь: https://stackoverflow.com/questions/796 ... work-solve