VIP20

本课程属于：017-TinyML传感器数据建模与时序分类 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

12. TinyML数据增强：时序抖动、缩放与噪声注入

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

了解TinyML中数据增强的重要性 · 明确本课程学习目标 · 适用场景与整体学习路径

课程导入TinyML

TinyML与数据增强基础

回顾TinyML模型训练特点 · 理解数据增强在资源受限设备上的作用与…

TinyML数据增强基础

时序数据特点与增强需求

分析时序数据的结构特性（时间依赖 · 采样率 · 多通道）

时序数据特点增强需求

数据增强核心概念

掌握增强的数学定义 · 数据分布影响 · 过拟合缓解原理

数据增强核心概念掌握增强的数学定…

时序抖动（Jittering）原理

理解时序抖动的基本思想 · 即对时间轴或幅值施加微小随机扰动 · 模拟真实环境变化

Jittering时序抖动

时序抖动实现方法

学习基于幅值抖动（高斯噪声叠加）和时…

时序抖动实现方法学习基于幅值抖动

时序缩放（Scaling）原理

掌握幅值缩放 · 时间缩放（时间拉伸）的概念 · 以及它们对信号频率和幅值的影响

Scaling时序缩放

时序缩放实现方法

实践使用随机缩放因子 · 动态时间规整（DTW）等实现时序缩放 · 并讨论边界处理

时序缩放实现方法实践使用随机缩放…

噪声注入（Noise Injection）基础

理解噪声类型（高斯 · 均匀 · 脉冲

噪声注入实现方法

编写代码为时序数据添加不同信噪比（S… · 并评估增强效果

噪声注入实现方法编写代码为时序数…

组合增强策略

学习如何将抖动 · 缩放 · 噪声注入组合使用

组合增强策略学习如何将抖动

增强参数选择与调优

掌握如何根据数据特性选择抖动幅度 · 缩放范围 · 噪声强度

增强参数选择调优

数据增强在TinyML中的约束

分析内存 · 计算量 · 实时性限制

TinyML数据增强

增强与模型泛化

通过实验对比有无增强的模型性能 · 理解增强对准确率 · 鲁棒性和过拟合的影响

增强模型泛化

基于加速度计的人体活动识别（HAR）… · 应用抖动 · 缩放

案例实战HAR

基于麦克风音频的关键词识别（KWS） · 使用噪声注入和缩放增强提升抗噪能力

案例实战KWS

基于心电图（ECG）信号的心律失常分… · 利用时序抖动和缩放增强小样本数据

案例实战ECG

工业传感器故障预测 · 通过噪声注入模拟不同工况 · 增强模型泛化能力

案例实战工业传感器故障预…

增强在TinyML工作流中的集成

学习如何在数据预处理 · 模型训练 · 模型转换（如TensorFlow L…

增强与数据生成

对比传统增强与生成模型（如GAN）在… · 讨论TinyML场景下的可行性

增强数据生成

增强效果评估方法

掌握使用混淆矩阵 · ROC曲线 · 交叉验证等评估增强后模型性能

增强效果评估方法掌握使用混淆矩阵

常见错误与陷阱

避免增强过度导致数据失真 · 增强后数据分布偏移 · 以及增强与测试集不匹配等问题

常见错误陷阱

增强工具与库

介绍Python中常用的时序增强库（… · audiomentations）以及…

增强工具Python

在MCU上实现实时增强

探讨在微控制器上执行简单增强（如噪声… · 并给出代码优化建议

MCU上实现实时增强

增强与数据不平衡

结合时序增强解决类别不平衡问题 · 如对少数类进行过采样增强

增强数据不平衡

增强与多传感器融合

学习如何对多通道时序数据（如IMU）… · 保持通道间相关性

增强多传感器融合

增强的超参数自动搜索

使用网格搜索 · 随机搜索或贝叶斯优化自动寻找最佳增强…

增强的超参数自动…使用网格搜索

从原始时序数据出发 · 设计完整增强方案 · 训练TinyML模型并部署到开发板

综合项目从原始时序数据出…

课程总结与知识图谱

梳理本课程所有核心概念 · 方法 · 实战经验

课程总结知识图谱

进阶学习与拓展

探讨时序数据增强的前沿方向（如自适应… · 联邦学习中的增强） · 并推荐学习资源

进阶学习拓展