- Combien devriez-vous suréchantillonner?
- Quelle est l'état du suréchantillonnage?
- Quand devrions-nous utiliser le suréchantillonnage?
- Si vous suréchantillonnez ou sous-échantillonnez?
Combien devriez-vous suréchantillonner?
Choisir un taux de suréchantillonnage 2x ou plus indique l'algorithme pour augmenter le signal entrant, ce qui augmente temporairement la fréquence Nyquist, il y a donc moins d'artefacts et un aliasing réduit. Des niveaux plus élevés de suréchantillonnage entraînent moins d'aliasing dans la plage audible.
Quelle est l'état du suréchantillonnage?
Le suréchantillonnage augmente inutilement le débit de données de sortie ADC et crée des problèmes de configuration et de temps de maintien, augmente la consommation d'énergie, augmente le coût de l'ADC et également le coût FPGA, car il doit capturer des données à grande vitesse.
Quand devrions-nous utiliser le suréchantillonnage?
Lorsqu'une classe de données est la classe minoritaire sous-représentée dans l'échantillon de données, les techniques d'échantillonnage peuvent être utilisées pour dupliquer ces résultats pour une quantité plus équilibrée de résultats positifs dans la formation. Un échantillonnage est utilisé lorsque la quantité de données collectées est insuffisante.
Si vous suréchantillonnez ou sous-échantillonnez?
Méthodes de suréchantillonnage dupliquent ou créent de nouveaux exemples synthétiques dans la classe minoritaire, tandis que les méthodes de sous-échantillonnage suppriment ou fusionnent des exemples dans la classe majoritaire. Les deux types de rééchantillonnage peuvent être efficaces lorsqu'ils sont utilisés isolément, bien que peuvent être plus efficaces lorsque les deux types de méthodes sont utilisés ensemble.