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
您可以在CPU或GPU上使用培训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有关支持设备的信息,请参阅金宝appGPU支金宝app持情况(并行计算工具箱).使用该硬件要求指定硬件要求'executionenvironment'
名称值对参数。
[
分类数据UpdatedNet.
那YPred
] = classiffandupdateState(recNet
那序列
)序列
使用培训的经常性神经网络recNet
并更新网络状态。
此功能仅支持经常性的神经网络金宝app。输入recNet
必须至少有一个复发层。
[
使用先前语法中的任何参数和一个或多个指定的其他选项UpdatedNet.
那YPred
] = classiffandupdateState(___那名称,价值
)名称,价值
对论点。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.
那YPred
那得分
] = classiffandupdateState(___)
小费
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。
当您使用该网络训练网络时Trainnetwork.
函数,或使用预测或验证函数时Dagnetwork.
和系列网络
对象,软件使用单精度浮点算术执行这些计算。培训,预测和验证的功能包括Trainnetwork.
那预测
那分类
, 和激活
.当你同时使用cpu和gpu训练网络时,该软件使用单精度算法。
[1] M. Kudo,J. Toyama和M. Shimbo。“使用过度区域的多维曲线分类。”模式识别的字母.第20卷,第11-13期,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+vowels.