利用训练有素的递归神经网络对数据进行分类,并更新网络状态
你可以在CPU或GPU上使用训练有素的深度学习网络进行预测。使用GPU需要并行计算工具箱™和支持的GPU设备。金宝app有关支持的设备的信息,请参见金宝appGPU支金宝app持情况(并行计算工具箱).使用“ExecutionEnvironment”
名称-值对的论点。
[
对数据进行分类updatedNet
,YPred
) = classifyAndUpdateState (recNet
,序列
)序列
使用训练有素的递归神经网络recNet
并更新网络状态。
这个函数只支持递归神经网络。金宝app输入recNet
必须至少有一个循环层。
[
使用前面语法中的任何参数和一个或多个指定的附加选项updatedNet
,YPred
) = classifyAndUpdateState (___,名称,值
)名称,值
对参数。例如,“MiniBatchSize”,27
使用尺寸为27的小批量分类数据
[
使用前面语法中的任何参数,返回一个分类分数矩阵,并更新网络状态。updatedNet
,YPred
,分数
) = classifyAndUpdateState (___)
提示
当使用不同长度的序列进行预测时,小批量的大小会影响添加到输入数据中的填充量,从而导致不同的预测值。尝试使用不同的值,看看哪一个最适合你的网络。要指定小批量大小和填充选项,请使用“MiniBatchSize”
和“SequenceLength”
选项,分别。
当你用trainNetwork
函数,或使用预测或验证函数时DAGNetwork
和SeriesNetwork
对象时,软件使用单精度浮点运算执行这些计算。用于训练、预测和验证的功能包括trainNetwork
,预测
,分类
,激活
.当你同时使用cpu和gpu训练网络时,该软件使用单精度算法。
工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别的字母. 第20卷,第11-13号,第1103-1111页。
[2]UCI机器学习库:日语元音数据集.https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels