主要内容

resetState

重置递归神经网络的状态

折叠所有页面

语法

updatedNet=resetState（recNet）

描述

例子

更新的网络= resetState (雷克内特)将递归神经网络(例如LSTM网络)的状态重置为初始状态。

例子

全部崩溃

打开生活的脚本

在序列预测之间重置网络状态。

负载日本世界新闻网，一个预先训练的长短时记忆（LSTM）网络，在日语元音数据集上训练，如[1]和[2]中所述。该网络在按序列长度排序的序列上训练，最小批量为27。

负载日本世界新闻网

查看网络架构。

网。层
ans=5x1带层的层阵列：1“sequenceinput”带12维的序列输入序列输入2“lstm”带100个隐藏单元的lstm lstm 3“fc”完全连接9个完全连接的层4“softmax”softmax 5“classoutput”带“1”和8个其他类的分类输出crossentropyex

加载测试数据。

[XTest,欧美]= japaneseVowelsTestData;

分类序列，更新网络状态。再现性,集rng到“洗牌”.

rng (“洗牌”)X=XTest{94}；[net，label]=ClassifyandUpdateEstate（net，X）；标签
标签=绝对的3.

使用更新的网络对另一个序列进行分类。

X=XTest{1}；标签=分类（净，X）
标签=绝对的7.

将最终预测与真实标签进行比较。

trueLabel=YTest（1）
trueLabel=绝对的1.

网络的更新状态可能会对分类产生负面影响。重置网络状态并再次预测序列。

net=resetState（net）；label=classify（net，XTest{1}）
标签=绝对的1.

输入参数

全部崩溃

训练的递归神经网络，指定为系列网络或者达格网络对象您可以通过导入预训练网络或使用列车网络功能。

雷克内特为递归神经网络。它必须至少有一个循环层(例如，LSTM网络)。如果输入网络不是循环网络，则该函数无效并返回输入网络。

输出参数

全部崩溃

更新网络。更新的网络与输入网络类型相同。

如果输入网络不是循环网络，则该函数无效并返回输入网络。

参考文献

工藤、富山、新保。“使用通过区域的多维曲线分类”。模式识别字母第20卷，第11-13号，第1103-1111页。

[2]UCI机器学习知识库:日语元音数据集. https://archive.ics.uci.edu/ml/datasets/Japanese+元音

扩展能力

另见

|||||

话题

在R2017b中引入

深度学习工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书