シ，ケンスおよび時系列

• 深層学習を使用したシ，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。
• 1次元畳み込みを使用したシ，ケンス分類
  この例では1次元畳み込みニューラル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序列对序列分類
  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序列对序列回帰
  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(rul)を予測する方法を説明します。
• 深層学習を使用したsequence-to-one回帰
  この例では,長短期記憶(LSTM)ニューラルネットワークを使用して波形の周波数を予測する方法を説明します。
• 深層学習を使用した時系列予測
  この例では,長短期記憶(LSTM)ネットワークを使用して時系列データを予測する方法を説明します。
• 基于深度学习的时间序列异常检测
  此示例显示如何检测序列或时间序列数据中的异常。
• 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。
• 使用自定义训练循环的深度学习分类视频
  这个例子展示了如何通过结合预先训练的图像分类模型和序列分类网络来创建视频分类网络。
• 深層学習を使用した音声コマンド認識
  この例では，オ，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▪▪メ▪▪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層学習モデルを学習させる方法を説明します。
• シ，ケンスデ，タのカスタムミニバッチデ，タストアを使用したネットワ，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層学習ネットワークに学習させる方法を説明します。
• LSTMネットワ，クの活性化の可視化
  この例では,活性化を抽出し,LSTMネットワークによって学習された特徴を調査して可視化する方法を説明します。
• 使用不平衡类数据的训练序列分类网络
  这个例子展示了如何使用1-D卷积神经网络对序列进行分类，使用类权重来修改训练以考虑不平衡的类。
• 1次元畳み込みを使用した序列对序列分類
  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
  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習させる。
• ディプネットワクデザナを使用したネットワクの構築
  ディープネットワークデザイナーを使用して,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。
• ディプネットワクデザナを使用したシンプルなシケンス分類ネットワクの作成
  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。
• 金宝appSimulinkでのネットワ，クの状態の予測と更新
  この例では，有状态的预测ブロックを使用して,学習済みの再帰型ニューラルネットワークの応答を仿真金宝app软件®で予測する方法を説明します。
• 金宝appSimulinkでのネットワ，クの状態の分類と更新
  この例では，有状态的分类ブロックを使用して,金宝app仿真软件®で学習済みの再帰型ニューラルネットワークのデータを分類する方法を説明します。
• 利用深度学习预测电池的充电状态
  这个例子展示了如何使用深度学习训练神经网络来预测电池的充电状态。
• 在Simulink中使用LSTM网络进行物理系统建模金宝app
  这个例子展示了如何通过训练长短期记忆(LSTM)神经网络来创建一个降阶模型(ROM)来替换Simulink®模型中的Simscape组件。金宝app