組み込み学習
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。
関数
トピック
学習の基礎
- 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。 - 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 usingtrainnet. (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 usingtrainnet. (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. - 複数の出力をもつネットワークの学習
この例では、手書きの数字のラベルと回転角度の両方を予測する、複数の出力をもつ深層学習ネットワークに学習させる方法を説明します。 - 複素数値データを使用したネットワークの学習
この例では、1 次元畳み込みニューラル ネットワークを使用して複素数値波形の周波数を予測する方法を示します。 - 深層学習用のデータセット
さまざまな深層学習タスク用のデータセットを確認。 - Deep Learning Metrics
Comparison of metrics for deep learning tasks.
表形式データのワークフロー
- Training Neural Networks with Tabular Data
Learn about training neural networks with tabular data. - 表形式データを使用したニューラル ネットワークの学習
この例では、表形式のデータを使用してニューラル ネットワークに学習させる方法を示します。 (R2023b 以降)
シーケンス データのワークフロー
- 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。 - 1 次元畳み込みを使用したシーケンス分類
この例では、1 次元畳み込みニューラル 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。 - Train Network with LSTM Projected Layer
Train a deep learning network with an LSTM projected layer for sequence-to-label classification. - Train Sequence Classification Network Using Data with Imbalanced Classes
This example shows how to classify sequences with a 1-D convolutional neural network using class weights to modify the training to account for imbalanced classes. - 1 次元畳み込みを使用した sequence-to-sequence 分類
この例では、一般的な時間的畳み込みネットワーク (TCN) 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。 - CNN-LSTM ネットワークを使用したシーケンス分類
この例では、2 次元畳み込みニューラル ネットワーク (CNN) と長短期記憶 (LSTM) 層を組み合わせ、音声分類タスク用の 2 次元 CNN-LSTM ネットワークを作成する方法を示します。 - シーケンス データのカスタム ミニバッチ データストアを使用したネットワークの学習
この例では、カスタム ミニバッチ データストアを使用してメモリ外のシーケンス データで深層学習ネットワークに学習させる方法を説明します。 - 深層学習を使用した音声コマンド認識モデルの学習
この例では、オーディオに存在する音声コマンドを検出する深層学習モデルに学習させる方法を説明します。 - 深層学習を使用した化学的プロセスの故障検出
シミュレーション データを使用して、化学的プロセスの故障を検出できるニューラル ネットワークに学習させる。 - 深層学習を使用したバッテリー充電状態の推定
要件の定義、データの準備、深層学習ネットワークの学習、ロバスト性の検証、Simulink へのネットワークの統合、モデルの展開を行う。 (R2024b 以降)
イメージ データのワークフロー
- イメージ データおよび特徴データにおけるネットワークの学習
この例では、イメージと特徴の両方の入力データを使用して、手書きの数字を分類するネットワークの学習を行う方法について説明します。 - 深層学習を使用した複数ラベル イメージ分類
この例では、複数ラベル イメージ分類用に、転移学習を使用して深層学習モデルに学習させる方法を説明します。 - ディープ ネットワーク デザイナーを使用した Image-to-Image 回帰ネットワークの構築
この例では、ディープ ネットワーク デザイナーを使用して、超解像用の image-to-image 回帰ネットワークを構築する方法を示します。
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。
深層学習を使用した時系列異常検出
この例では、シーケンス データまたは時系列データで異常を検出する方法を示します。
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。
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。
Adapt Pretrained Audio Network for New Data Using Deep Network Designer
Interactively adapt a pretrained network to classify new audio signals using Deep Network Designer.
深層学習を使用したビデオの分類
この例では、事前学習済みのイメージ分類モデルと LSTM ネットワークを組み合わせることによって、ビデオの分類用のネットワークを作成する方法を説明します。
ニューラル ODE ネットワークの学習
この例では、拡張ニューラル常微分方程式 (ODE) ネットワークに学習させる方法を示します。
Create and Train NARX Network for Time Series Forecasting
Create and train a NARX network for time series forecasting and test its predictions in MATLAB® and Simulink®.
Compare Deep Learning Networks for Credit Default Prediction
Create, train, and compare three deep learning networks for predicting credit default probability.
深層学習を使用した音声コマンド認識モデルの学習
この例では、オーディオに存在する音声コマンドを検出する深層学習モデルに学習させる方法を説明します。この例では、Speech Commands Dataset [1] を使用して、一連のコマンドを認識する畳み込みニューラル ネットワークに学習させます。
深層学習を使用した化学的プロセスの故障検出
シミュレーション データを使用して、化学的プロセスの故障を検出できるニューラル ネットワークに学習させる。
フーリエ ニューラル演算子を使用した PDE の求解
この例では、偏微分方程式 (PDE) の解を出力するフーリエ ニューラル演算子 (FNO) ニューラル ネットワークに学習させる方法を示します。
