时间序列和序列数据的深度学习
创建并训练用于时间序列分类、回归和预测任务的网络
创建并训练用于时间序列分类、回归和预测任务的网络。训练长短期记忆(LSTM)网络用于序列到1或序列到标签的分类和回归问题。您可以使用单词嵌入层(需要文本分析工具箱™)在文本数据上训练LSTM网络，或者使用频谱图在音频数据上训练卷积神经网络(需要音频工具箱™)。
应用程序
| 深度网络设计器 | 设计、可视化和训练深度学习网络 |
功能
块
属性
| ConfusionMatrixChart属性 | 混淆矩阵图表外观和行为 |
例子和如何
序列与时间序列
- 使用深度学习的序列分类
这个例子展示了如何使用长短期记忆(LSTM)网络对序列数据进行分类。 - 使用1-D卷积的序列分类
这个例子展示了如何使用1-D卷积神经网络对序列数据进行分类。 - 使用深度学习的序列到序列分类
这个例子展示了如何使用长短期记忆(LSTM)网络对序列数据的每个时间步进行分类。 - 使用深度学习的序列到序列回归
这个例子展示了如何使用深度学习来预测发动机的剩余使用寿命(RUL)。 - 使用深度学习的序列对一回归
这个例子展示了如何使用长短期记忆(LSTM)神经网络预测波形的频率。 - 利用深度学习进行时间序列预测
这个例子展示了如何使用长短期记忆(LSTM)网络预测时间序列数据。 - 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。 - 使用深度学习分类视频
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LSTM网络来创建视频分类网络。 - 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。 - 基于深度学习的语音指令识别
这个例子展示了如何训练一个深度学习模型来检测音频中语音命令的存在。 - 使用注意力的图像字幕
这个例子展示了如何使用注意力训练一个深度学习模型来进行图像配图。 - 训练网络使用自定义小批量数据存储序列数据
这个例子展示了如何使用自定义的迷你批处理数据存储在内存不足的序列数据上训练深度学习网络。 - 可视化LSTM网络的激活
这个例子展示了如何通过提取激活来调查和可视化LSTM网络学习的特征。 - 使用逆频率类权的序列分类
这个例子展示了如何使用与各自类的频率成反比的类权重，用1-D卷积神经网络对序列进行分类。 - 使用1-D卷积的序列到序列分类
这个例子展示了如何使用通用时态卷积网络(TCN)对序列数据的每个时间步进行分类。 - 基于深度学习的化工过程故障检测
使用模拟数据训练神经网络，可以检测化学过程中的故障。 - 用深度网络设计器构建网络
在深度网络设计器中交互式地构建和编辑深度学习网络。 - 使用深度网络设计器创建简单的序列分类网络
这个例子展示了如何使用Deep network Designer创建一个简单的长短期记忆(LSTM)分类网络。 - 在Simulink中预测和更新网络状态金宝app
这个例子展示了如何预测Simulink®中训练好的循环神经网络的响应金宝app有状态的预测块。 - 在Simulink中分类和更新网络状态金宝app
这个例子展示了如何在Simulink®中为训练好的循环神经网络分类数据金宝app有状态的分类块。 - 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
概念
- 长短期记忆网络
了解长短期记忆(LSTM)网络。
- 深度学习层列表
在MATLAB中发现所有深度学习层®．
- 用于深度学习的数据存储
了解如何在深度学习应用程序中使用数据存储。
- MATLAB深度学习
在MATLAB中使用卷积神经网络进行分类和回归，包括预训练网络和迁移学习，以及在gpu、cpu、集群和云上进行训练，从而发现深度学习功能。
- 深度学习技巧和技巧
学习如何提高深度学习网络的准确性。
- 深度学习的数据集
发现各种深度学习任务的数据集。
特色的例子
您也可以从以下列表中选择一个网站: