此程序是使用YOLOv8训练自己的图像并测试。Yolo系列模型可以说是比较特殊的模型，因为不像其他公开网络ResNet、GoogLeNet等等，可以自己构建和更改层。Yolo只能整体调用这个网络，这个可能是让初学者比较头疼的问题，就是看不到网络的每个层，也看不到构建网络的代码。但其实这样一来反而方便了，就是只需要指定好图像的目录就可以了，甚至都不用去统一图像的尺寸。参考了网上的各种大佬写的调用方法

注：main.m是源代码，用来搭建和训练网络，注释详细；程序可直接运行，可帮忙调通，有问题会耐心解答；准确率高是本数据集本身导致，也可有偿帮忙替换数据集。程序完全由本文所写，整理不易，价格低廉35元。唯一渠道为闲鱼售卖。链接：https://m.tb.cn/h.54lD8EL?Matlab使用卷积神经网络(CNN)，进行人脸表情情绪识别GUI界面。选用JAFFE数据集，含有7类表情，共213张人脸

Matlab使用CNN卷积神经网络进行图像分类，使用了猫狗大战数据集中1000个图像(500猫500狗)，分为猫狗两个类别。注：本程序只用于教学练习如何在Matlab里使用CNN，由于数据量太少和网络简单，准确率结果并不是很好。程序完全由本文所写，整理不易，价格低廉15元。诚信第一，谨防盗版网站高价转卖~~注释详细，可直接运行，可以直接换成自己的数据，源代码和数据文件都会发送。1、加载数据集，并划

2、加载训练集的序列、时频图，构建标签，然后合并为最终的训练集Train。序列可以视为图像的特征序列，或者反之，图像可以视为由序列转化而来的图像，总之二者一一对应，属于一个样本。程序以心电图序列为例，一端输入是原始的心电信号（ECG）序列，另一端输入是ECG序列通过连续小波变换生成的时频图。序列和时频图一一对应。相比单输入网络，双输入可以同时处理多种形态的数据，能提取更全面的特征，达到更好的效果。

如需要提高准确率可私聊。可更换为自己的数据，可有偿帮助替换为自己的数据。数据集中共6种情绪：angry、fear、happy、neutral、sad、surprise，每类情绪有200条语音信号，共1200条信号。Matlab深度学习情感识别，使用CNN-LSTM网络对语音信号(语谱图)进行情感识别。程序完全由本文所写，整理不易，价格35元。3、构建CNN-LSTM网络，80%语谱图用于训练，20

本程序是两个输入全为一维序列的情况（第二个输入序列是第一个输入序列的特征值，或者变换后的序列）。也可改为两边输入都是图像，或者一边输入图像，一边输入图像的一维特征序列。相比普通的单输入网络，双输入网络能处理两种输入数据，在科研上也更具有优势和创新性。1、加载数据，两种输入数据一一对应，第二个数据是第一个数据做FFT之后的序列，属于一个类别。可以有偿修改为两边输入都是图像，或一边输入图像一边输入序列

原始MIT心律失常数据集格式为.dat格式（如100.dat、100.hea、100.atr），为方便起见，已将所有数据读取并保存为.mat格式，并且已经划分好心拍，心拍长度均为300个采样点，方便直接使用。其中A类心拍2546个，L类心拍8075个，N类心拍75052个（为避免严重的数据集不平衡，仅选用了前6000个），R类心拍7259个。程序共94行，完全由本人撰写，注释详细，容易看懂。3、构

本例中，数据易于预测，所以结果相对较好，主要供教学使用。注释详细，方便学习，如遇问题可远程帮忙调通。原始数据为Excel，方便替换为自己的数据。链接：https://m.tb.cn/h.5eSQJD4?Matlab使用CNN-LSTM进行序列预测，时序预测。2、随机划分训练集（60个样本）、测试集（15）个样本。对训练集、测试集标签进行归一化。1、加载数据，Excel一共75行，即75个样本。前1

考虑到Matlab搭建1D CNN-LSTM模型的教程较少，此程序是为了方便学习怎么搭建网络、测试等等，使用的数据量较少，并且数据本身也易于分类，换成自己的数据时需要根据实际情况调整网络，也可有偿帮忙替换数据。1、加载数据，一共为200个正常样本和200个异常样本，训练集为80%，即160正常和160异常，一共320条数据；Matlab一维信号CNN-LSTM分类，使用1D CNN-LSTM对一维

在改为自己的信号时，只需要更改原信号、采样频率以及想要观察的频率段(程序中[f1,f2])即可。相比连续小波变换(CWT)，频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)是一种更具创新性的时频分析方法，由2009年YAN等人提出。输入信号可以是任何一维信号，心电信号、脑电信号、地震波形、电流电压数据等。2、绘制其FFT谱、频率切片小波变换后的时频图