深度学习时间序列和序列数据
创建和列车网络时间序列分类、回归和预测任务
创建和列车网络时间序列分类、回归和预测任务。火车长短期记忆(LSTM)网络sequence-to-one或sequence-to-label分类和回归问题。您可以使用单词训练LSTM网络文本数据嵌入层(需要文本分析工具箱™)或卷积神经网络使用声音(音频数据(需要音频工具箱™)。
应用程序
| 深层网络设计师 | 设计、可视化和火车深度学习网络 |
功能
块
属性
| ConfusionMatrixChart属性 | 混淆矩阵图表外观和行为 |
例子和如何
序列和时间序列
- 使用深度学习序列分类
这个例子展示了如何使用长序列数据分类短期记忆(LSTM)网络。 - 使用一维卷积序列分类
这个例子展示了如何使用一维卷积神经网络分类序列数据。 - 使用深度学习Sequence-to-Sequence分类
这个例子展示了如何分类序列数据使用的每个时间步长短期记忆(LSTM)网络。 - 使用深度学习Sequence-to-Sequence回归
这个例子展示了如何预测剩余寿命(原则)的引擎使用深度学习。 - 使用深度学习Sequence-to-One回归
这个例子展示了如何预测一个波形的频率使用很长一段短期记忆(LSTM)神经网络。 - 使用深度学习时间序列预测
这个例子展示了如何使用很长一段时间序列数据预测短期记忆(LSTM)网络。 - 使用深度学习时间序列异常检测
这个例子展示了如何检测异常序列或时间序列数据。 - 分类使用深度学习视频
这个例子展示了如何创建一个网络视频分类结合pretrained图像分类模型和一个LSTM网络。 - 分类视频使用深度学习和自定义训练循环
这个例子展示了如何创建一个网络视频分类结合pretrained图像分类模型和序列分类网络。 - 语音命令识别使用深度学习
这个例子展示了如何培养一个深度学习模型,检测音频语音命令的存在。 - 图像字幕使用注意
这个例子展示了如何训练图像的深度学习模型使用注意字幕。 - 列车网络的使用自定义Mini-Batch序列数据的数据存储
这个例子展示了如何培养深入学习网络使用自定义mini-batch数据存储在内存不足的序列数据。 - 可视化LSTM网络的激活
这个例子展示了如何调查和可视化功能学LSTM网络提取激活。 - 序列分类使用Inverse-Frequency类权重
这个例子展示了如何利用一维卷积神经网络分类序列使用类权重的频率成反比的各自的类。 - 使用一维曲线玲珑Sequence-to-Sequence分类
这个例子展示了如何使用一个通用的每个时间步的序列数据分类时间卷积网络(TCN)。 - 使用深度学习化工过程故障检测
使用模拟数据训练神经网络比化学过程中可以检测到错误。 - 构建网络与深度网络设计师
交互式地建立和编辑在深深度学习网络网络设计师。 - 创建简单的序列分类网络使用深层网络设计师
这个例子展示了如何创建一个简单的长短期记忆(LSTM)分类网络使用深网络设计师。 - 在模型预测和更新网络状态金宝app
这个例子展示了如何预测反应的递归神经网络训练仿真软件®使用金宝app有状态的预测块。 - 在仿真软件进行分类和更新网络状态金宝app
这个例子展示了如何分类数据的递归神经网络训练仿真软件®使用金宝app有状态的分类块。 - 使用深度学习预测电池电荷状态
这个例子展示了如何训练一个神经网络预测电池的电荷状态使用深度学习。 - 物理系统建模使用LSTM网络仿真软件金宝app
这个例子展示了如何创建一个降阶模型(ROM)取代Simscape组件模型®模型通过训练短期记忆(LSTM)神经网络。金宝app
