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。顺序对一または 要标记的序列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。
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。
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,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。
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。
这个例子展示了如何通过结合预训练图像分类模型和序列分类网络来创建视频分类网络。
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層学習モデルを学習させる方法を説明します。
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層学習ネットワークに学習させる方法を説明します。
この例では,活性化を抽出し,LSTMネットワークによって学習された特徴を調査して可視化する方法を説明します。
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習させる方法を説明します。
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。
此示例显示了如何使用金宝app有状态预测
这个例子使用了一个预训练的长短时记忆(LSTM)网络。
此示例显示了如何使用金宝app有状态的分类
这个例子使用了一个预训练的长短时记忆(LSTM)网络。
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類
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類する方法を説明します。
この例では,複数の独立したラベルをもつテキストデータを分類する方法を説明します。
この例では,変換されたデータストアを使用して深層学習ネットワークでメモリ外のテキストデータを分類する方法を説明します。
アテンションを使用したsequence-to-sequence変換
この例では、アテンションを使用した再帰型 顺序对顺序符号化器-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®のすべての深層学習層を確認できます。
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。
さまざまな深層学習タスク用のデータセットを確認。