创建和培训时间序列分类,回归和预测任务。用于序列到一个或序列到标签分类和回归问题的列车长短短期内存(LSTM)网络。您可以使用Word嵌入层(需要文本Analytics Toolbox™)或使用频谱图上的卷积神经网络(需要音频工具箱™)的卷积神经网络训练LSTM网络。
深网络设计师 | 设计,可视化和培训深度学习网络 |
confusionmatrixchart属性 | 困惑矩阵图表外观和行为 |
此示例显示如何使用长短短期内存(LSTM)网络对序列数据进行分类。
此示例显示如何使用长短期内存(LSTM)网络对序列数据的每个时间步骤进行分类。
此示例显示如何通过使用深度学习来预测引擎的剩余使用寿命(RUL)。
此示例显示了如何使用长短期内存(LSTM)网络预测时间序列数据。
此示例显示如何通过组合预先训练的图像分类模型和LSTM网络来创建用于视频分类的网络。
该示例通过组合预先训练的图像分类模型和序列分类网络,如何创建用于视频分类的网络。
此示例显示如何训练检测音频中的语音命令的存在的深度学习模型。
此示例显示如何使用注意力为图像标题训练深度学习模型。
此示例显示如何使用自定义迷你批处理数据存储训练内存序列数据的深度学习网络。
此示例显示如何通过提取激活来调查和可视化LSTM网络学习的功能。
该示例显示如何使用通用时间卷积网络(TCN)对序列数据进行分类。
此示例说明如何使用模拟数据训练可以在化学过程中检测故障的神经网络。
交互式构建和编辑深度学习网络。
此示例显示如何使用深网络设计器创建简单的长短期内存(LSTM)分类网络。
此示例显示如何通过使用介绍Simulink®的训练的经常性神经网络的响应金宝app有状态预测
堵塞。
在Simulink中对网络状态进行分类和更新网络状态金宝app
此示例显示如何通过使用Simulink®在Simulink®中对培训的经常性神经网络进行对数据进行分类金宝app有状态分类
堵塞。
此示例显示如何使用深度学习长期短期内存(LSTM)网络对文本数据进行分类。
此示例显示如何使用卷积神经网络对文本数据进行分类。
此示例显示如何对具有多个独立标签的文本数据进行分类。
此示例显示如何使用转换的数据存储对存储器外部文本数据进行分类。
此示例显示如何使用重复序列 - 序列编码器 - 解码器模型将十进制字符串转换为罗马数字。
此示例显示如何培训深度学习长期内存(LSTM)网络以生成文本。
此示例显示如何培训深度学习LSTM网络以使用字符嵌入式生成文本。
此示例显示如何培训深度学习LSTM网络以生成文本逐个字。
此示例显示如何使用autoencoders生成文本数据。
此示例显示如何定义文本编码器模型函数。
此示例显示如何定义文本解码器模型函数。