組み込み学習

組み込み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、関数 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と可視化

関数

すべて展開する

学習

`dlnetwork`	深層学習ニューラルネットワーク
`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
`trainnet`	深層学習ニューラルネットワークの学習 (R2023b 以降)
`TrainingInfo`	Neural network training information (R2023b 以降)
`show`	学習情報プロットの表示 (R2023b 以降)
`close`	Close training information plot (R2023b 以降)

学習率スケジュール

`piecewiseLearnRate`	Piecewise learning rate schedule (R2024b 以降)
`warmupLearnRate`	Warm-up learning rate schedule (R2024b 以降)
`polynomialLearnRate`	Polynomial learning rate schedule (R2024b 以降)
`exponentialLearnRate`	Exponential learning rate schedule (R2024b 以降)
`cosineLearnRate`	Cosine learning rate schedule (R2024b 以降)
`cyclicalLearnRate`	Cyclical learning rate schedule (R2024b 以降)

メトリクス

`testnet`	Test deep learning neural network (R2024b 以降)
`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)

予測

`predict`	推論用の深層学習ネットワーク出力の計算
`minibatchpredict`	Mini-batched neural network prediction (R2024a 以降)
`scores2label`	予測スコアからラベルへの変換 (R2024a 以降)
`confusionchart`	分類問題用の混同行列チャートの作成
`sortClasses`	混同行列チャートのクラスの並べ替え
`classifyAndUpdateState`	(非推奨) 学習済み再帰型ニューラルネットワークを使用したデータの分類とネットワーク状態の更新

トピック

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に学習させ、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)
Speed Up Deep Neural Network Training
Learn how to accelerate deep neural network training.
Define Custom Learning Rate Schedule
This example shows how to define a time-based decay learning rate schedule and use it to train a neural network.

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用のネットワークの準備

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する。

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

Train Neural Network with Tabular Data

Train a neural network with tabular data.

R2023b 以降
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た時系列予測ネットワークの構築

この例では、ディープネットワークデザイナーアプリを使用して、時系列データを予測するためのシンプルな長短期記憶 (LSTM) ネットワークを作成する方法を示します。

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。