Nesta atividade, desenvolvi e testei um novo kernel de convolução 1D para identificar picos em um sinal. Utilizei o kernel [-1, 2, -1], que compara o valor central de uma janela com seus dois vizinhos. Quando o ponto central possui valor maior que os elementos ao redor, a convolução produz uma ativação positiva, indicando a presença de um possível pico.
Em seguida, apliquei esse kernel ao sinal com a função convolve(), utilizando o modo valid. Depois, mantive apenas os resultados positivos e identifiquei as suas posições no sinal. Por fim, exibi o sinal original, destaquei graficamente os pontos detectados como picos e representei a intensidade das ativações do kernel. Dessa forma, foi possível observar como a convolução 1D pode ser utilizada para reconhecer padrões locais em dados sequenciais.
segue o link da atividade: https://github.com/Moquiuti/Redes-Neurais-Convolucionais-Deep-Learning-com-PyTorch/blob/main/Convolucao1D_Detector_de_Picos.ipynb
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!