シーケンスおよび時系列

深層学習を使用したシーケンスの分類

この例では,長短期記憶(LSTM)ネットワークを使用してシーケンスデータを分類する方法を説明します。

深層学習を使用したsequence-to-sequence分類

この例では，长短期记忆（LSTM）ネットワークを使用してシーケンスデータの各タイムステップを分类する方法を说明します。

深層学習を使用したsequence-to-sequence回帰

この例では,深層学習を使用してエンジンの残存耐用期間(原则)を予測する方法を説明します。

深层学习を使用した时系列予测

この例では，长短期记忆（LSTM）ネットワークを使用して时系列データを予测する方法を说明します。

深層学習を使用したビデオの分類

この例では,事前学習済みのイメージ分類モデルとLSTMネットワークを組み合わせることによって,ビデオの分類用のネットワークを作成する方法を説明します。

深层学习を使用した音声コマンド认识

この例では,オーディオに存在する音声コマンドを検出する深層学習モデルに学習させる方法を説明します。

アテンションを使用したイメージキャプションの生成

この例では，アテンションを使用したイメージキャプション生成のために深层学习モデルを学习させる方法を说明します。

シーケンスデータのカスタムミニバッチデータストアを使用したネットワークの学習

この例では，カスタムミニバッチデータストアを使用してメモリ外のシーケンスデータで深层学习ネットワークに学习させる方法を说明します。

LSTMネットワークの活性化の可视化

この例では，活性化を抽出し，LSTMネットワークによって学习された特徴を调查して可视化する方法を说明します。

1次元畳み込みを使用したsequence-to-sequence分類

この例では,一般的な時間的畳み込みネットワーク(TCN)を使用してシーケンスデータの各タイムステップを分類する方法を説明します。

深層学習を使用した化学的プロセスの故障検出

この例では，シミュレーションデータを使用して，化学的プロセスの故障を検出できるニューラルネットワークに学习させる方法を说明します。

ディープネットワークデザイナーを使用したネットワークの构筑

深層学習ネットワークを対話形式で構築および編集します。

ディープネットワークデザイナーを使用したシンプルなシーケンス分類ネットワークの作成

この例では,ディープネットワークデザイナーを使用してシンプルな長短期記憶(LSTM)分類ネットワークを作成する方法を説明します。

テキストデータ

深層学習を使用したテキストデータの分類

この例では,深層学習長短期記憶(LSTM)ネットワークを使用してテキストデータを分類する方法を説明します。

畳み込みニューラルネットワークを使用したテキストデータの分类

この例では，畳み込みニューラルネットワークを使用してテキストデータを分类する方法を说明します。

深层学习を使用した复数ラベルをもつテキストの分类

この例では，复数の独立したラベルをもつテキストデータを分类する方法を说明します。

深層学習を使用したメモリ外のテキストデータの分類

この例では，変换されたデータストアを使用して深层学习ネットワークでメモリ外のテキストデータを分类する方法を说明します。

アテンションを使用した序列到序列変换

この例では,アテンションを使用した再帰型sequence-to-sequence符号化器——復号化器モデルを用いて数字の文字列をローマ数字に変換する方法を説明します。

深層学習を使用したテキストの生成

この例では,深層学習長短期記憶(LSTM)ネットワークに学習させてテキストを生成する方法を説明します。

《傲慢与偏见》とMATLAB

この例では,深層学習LSTMネットワークに学習させ,文字の埋め込みを使用してテキストを生成する方法を説明します。

深層学習を使用した単語単位のテキスト生成

この例では,深層学習LSTMネットワークに学習させ,単語単位でテキストを生成する方法を説明します。

自己符号化器を使用したテキストの生成

この例では，自己符号化器を使用してテキストデータを生成する方法を示します。

テキスト符号化器モデル関数の定義

この例では,テキスト符号化器モデル関数の定義方法を示します。

テキスト復号化器モデル関数の定義

この例では,テキスト復号化器モデル関数の定義方法を示します。