主要内容

resetState

重置状态参数的神经网络

所有的页面崩溃

语法

netUpdated = resetState(净)

描述

例子

netUpdated= resetState (净)重置状态参数的神经网络。使用这个函数重置递归神经网络的状态如LSTM网络。

例子

全部折叠

打开生活的脚本

重置网络状态之间的序列预测。

负载JapaneseVowelsNetpretrained长短期记忆(LSTM)网络训练中描述的日本元音数据集[1]和[2]。这个网络是训练序列按序列长度与mini-batch 27的大小。

负载JapaneseVowelsNet

查看网络体系结构。

net.Layers
ans x1 = 5层阵列层:1“sequenceinput”序列输入序列输入12维度2的lstm lstm lstm 100隐藏单位3 fc的完全连接9完全连接层4的softmax softmax softmax 5 classoutput的分类输出crossentropyex ' 1 ', 8其他类

负载测试数据。

[XTest,欧美]= japaneseVowelsTestData;

一个序列和更新网络状态进行分类。再现性,集rng来“洗牌”。

rng (“洗牌”)X = XTest {94};(净、标签)= classifyAndUpdateState(净,X);标签
标签=分类3

另一个序列使用更新后的网络进行分类。

X = XTest {1};标签=分类(净,X)
标签=分类7

比较最后预测和真正的标签。

trueLabel =次(1)
trueLabel =分类1

网络的更新状态可能负面影响了分类。重置网络状态和预测序列。

网= resetState(净);标签=分类(净XTest {1})
标签=分类1

输入参数

全部折叠

神经网络作为一个指定SeriesNetwork,DAGNetwork,或dlnetwork对象。

的resetState如果函数只有一个效果净有状态参数(例如,一个网络和至少一个周期性层LSTM层等)。如果输入网络没有状态参数,那么这个函数并返回输入网络没有影响。

输出参数

全部折叠

更新网络,作为一个网络返回相同类型的网络作为输入。

的resetState如果函数只有一个效果净有状态参数(例如,一个网络和至少一个周期性层LSTM层等)。如果输入网络没有状态参数,那么这个函数并返回输入网络没有影响。

引用

[1]m .奖赏,富山,和m . Shimbo。“多维曲线分类使用通过地区。”模式识别的字母。11 - 13号20卷,第1111 - 1103页。

[2]UCI机器学习库:日本元音数据集。https://archive.ics.uci.edu/ml/datasets/Japanese +元音

扩展功能

版本历史

介绍了R2017b

另请参阅

|||||

主题