組み込みの学習

組み込みの学習関数を使用した深層学習ネットワークの学習

ネットワークアーキテクチャを定義した後、関数 trainingOptions を使用して学習パラメーターを定義できます。その後、trainNetwork または trainnet を使用してネットワークに学習させることができます。学習済みネットワークを使用して、クラスラベルまたは数値応答を予測します。

アプリ

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

関数

すべて展開する

学習

`trainingOptions`	深層学習ニューラルネットワークの学習のオプション
`trainNetwork`	ニューラルネットワークの学習
`trainnet`	Train deep learning neural network (R2023b 以降)
`TrainingInfo`	Neural network training information (R2023b 以降)
`show`	Show training information plot (R2023b 以降)
`close`	Close training information plot (R2023b 以降)

メトリクス

`accuracyMetric`	Deep learning accuracy metric (R2023b 以降)
`aucMetric`	Deep learning area under ROC curve (AUC) metric (R2023b 以降)
`fScoreMetric`	Deep learning F-score metric (R2023b 以降)
`precisionMetric`	Deep learning precision metric (R2023b 以降)
`recallMetric`	Deep learning recall metric (R2023b 以降)
`rmseMetric`	Deep learning root mean squared error metric (R2023b 以降)

トピック

アプリでの学習

ディープネットワークデザイナーを使用したネットワークの学習
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に対話形式で学習させる。
ディープネットワークデザイナーへのデータのインポート
ディープネットワークデザイナーでデータをインポートして可視化する。

コマンドラインでの学習

分類用のシンプルな深層学習ニューラルネットワークの作成
この例では、深層学習による分類用のシンプルな畳み込みニューラルネットワークを作成し、学習を行う方法を説明します。
回帰用の畳み込みニューラルネットワークの学習
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回帰モデルを当てはめ、手書きの数字の回転角度を予測する方法を示します。
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。
深層学習を使用したシーケンスの分類
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。
深層学習を使用した sequence-to-sequence 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 sequence-to-sequence 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。
Create Custom Deep Learning Training Plot
This example shows how to create a custom training plot that updates at each iteration during training of deep learning neural networks using trainnet. (R2023b 以降)
Custom Stopping Criteria for Deep Learning Training
This example shows how to stop training of deep learning neural networks based on custom stopping criteria using trainnet. (R2023b 以降)

注目の例

ディープネットワークデザイナーを使用した転移学習

新しいイメージ分類タスクを学習するように、事前学習済みの深層学習ネットワークを対話形式で微調整します。

ライブスクリプトを開く

数値特徴量を使用したネットワークの学習

この例では、深層学習による特徴データ分類用のシンプルなニューラルネットワークを作成し、学習を行う方法を説明します。

ライブスクリプトを開く

ディープネットワークデザイナーを使用して時系列予測をネットワークに学習させる

この例では、"ディープネットワークデザイナー" で長短期記憶 (LSTM) ネットワークに学習させて時系列データを予測する方法を説明します。

ライブスクリプトを開く

イメージ分類用の残差ネットワークの学習

この例では、残差結合のある深層学習ニューラルネットワークを作成し、CIFAR-10 データで学習を行う方法を説明します。残差結合は畳み込みニューラルネットワークアーキテクチャでよく使用される要素です。残差結合を使用すると、ネットワークを通じた勾配フローが改善し、より深いネットワークの学習が可能になります。

ライブスクリプトを開く