主要内容

resetState

重置递归神经网络的状态

所有的页面崩溃

语法

updatedNet = resetState (recNet)

描述

例子

updatedNet= resetState (recNet)重置递归神经网络的状态(例如,一个LSTM网络)的初始状态。

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

递归神经网络训练,指定为一个SeriesNetwork或者一个DAGNetwork对象。你可以通过导入pretrained训练网络的网络或通过训练自己的网络使用trainNetwork函数。

recNet是一个递归神经网络。它必须至少有一个周期性层(例如,一个LSTM网络)。如果输入网络不是一个复发性网络,那么函数并返回输入网络没有影响。

输出参数

全部折叠

网络更新。updatedNet相同类型的网络作为输入网络。

如果输入网络不是一个复发性网络,那么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

另请参阅

|||||

主题

介绍了R2017b

深度学习工具箱文档

金宝app

试着用MATLAB仿真软金宝app件,和其他产品下载188bet金宝搏

得到审判现在