このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
時系列の分類,回帰,および予測タスク用のネットワークを作成し,そのネットワークに学習させます。sequence-to-oneまたはsequence-to-label分類問題および回帰問題の場合は,長短期記憶(LSTM)ネットワークに学習させます。単語埋め込み層を使用してテキストデータについてLSTMネットワークに学習させたり(文本分析工具箱™が必要),スペクトログラムを使用してオーディオデータについて畳み込みニューラルネットワークに学習させたり(音频工具箱™が必要)することができます。
ディープネットワークデザイナー | 深層学習ネットワークの設計,可視化,および学習 |
ConfusionMatrixChart属性 | 混淆矩阵图的外观和行为 |
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
長短期記憶(LSTM)ネットワークについて学習します。
MATLAB®のすべての深层学习层を确认できます。
深層学習アプリケーションでデータストアを使用する方法を学びます。
畳み込みニューラルネットワークを使用して分類や回帰を行うMATLABの深層学習機能を確認します。これには,事前学習済みのネットワークと転移学習のほか,CPU、GPU,クラスター,およびクラウドでの学習が含まれます。
深層学習ネットワークの精度を改善する方法を学習します。
さまざまな深层学习タスク用のデータセットを确认。