主要内容

이번역페이지는최신내용을담고있지않습니다。최신내용을문으로보려면여기를클릭하십시오。

시계열과시퀀스데이터에서의딥러닝

시계열분류,회귀및전망작업을위해신경망을만들고훈련시킵니다。

시계열분류,회귀및전망작업을위해신경망을만들고훈련시킵니다。sequence-to-one또는sequence-to-label분류및회귀문제에대해장단기기억(LSTM)신경망을훈련시킵니다。단어임베딩계층을사용하여텍스트데이터에대해LSTM신경망을훈련시키거나(文本分析工具箱™필요),스펙트로그램을사용하여오디오데이터에대해컨벌루션신경망을훈련시킬수있습니다(音频工具箱™필요)。

심층신경망디자이너 딥러닝신경망의설계,시각화및훈련

함수

모두 확장

trainingOptions 딥러닝신경망훈련옵션
trainNetwork 딥러닝신경망훈련
analyzeNetwork 딥러닝신경망아키텍처분석

입력 계층

sequenceInputLayer 시퀀스입력계층
featureInputLayer 特征输入层

순환 계층

lstmLayer 장단기기억(lstm)계층
bilstmLayer 양방향장단기기억(BiLSTM)계층
gruLayer 门控循环单元(GRU)层

컨벌루션계층과완전연결계층

convolution1dLayer 一维卷积层
fullyConnectedLayer 완전연결계층

풀링 계층

maxPooling1dLayer 1-D最大池化层
averagePooling1dLayer 一维平均池化层
globalMaxPooling1dLayer 一维全局最大池化层
globalAveragePooling1dLayer 一维全局平均池化层

활성화및드롭아웃계층

reluLayer ReLU(整流线性单元)계층
leakyReluLayer Leaky ReLU(整流线性单元)계층
clippedReluLayer 剪辑ReLU(整流线性单元)계층
eluLayer 指数线性单元(ELU)层
tanhLayer 쌍곡탄젠트(tanh)계층
swishLayer 时髦的层
softmaxLayer 소프트맥스계층
dropoutLayer 드롭아웃계층
functionLayer 功能层

데이터조작

sequenceFoldingLayer 序列折叠层
sequenceUnfoldingLayer 序列展开层
flattenLayer 平层

출력 계층

classificationLayer 분류출력계층
regressionLayer 회귀출력계층만들기
分类 훈련된딥러닝신경망을사용하여데이터분류
预测 훈련된딥러닝신경망을사용하여응답변수예측
激活 딥러닝신경망계층활성화계산
predictAndUpdateState 훈련된순환신경망을사용하여응답변수예측및신경망상태업데이트
classifyAndUpdateState 훈련된순환신경망을사용하여데이터분류및신경망상태업데이트
resetState 순환신경망의상태재설정
confusionchart 为分类问题创建混淆矩阵图
sortClasses 排序类混淆矩阵图
padsequences 填充或截断序列数据到相同的长度

블록

모두 확장

预测 使用训练过的深度学习神经网络预测反应
有状态的预测 使用训练过的循环神经网络预测反应
有状态的分类 使用训练好的深度学习循环神经网络对数据进行分类

속성

ConfusionMatrixChart属性 混淆矩阵图表外观和行为

예제및방법

시퀀스와시계열

개념