時系列とシーケンス データを使用した深層学習
時系列の分類、回帰、および予測タスク用のネットワークの作成および学習
時系列の分類、回帰、および予測タスク用のネットワークを作成し、そのネットワークに学習させます。sequence-to-one または sequence-to-label 分類問題および回帰問題の場合は、長短期記憶 (LSTM) ネットワークに学習させます。単語埋め込み層を使用してテキスト データについて LSTM ネットワークに学習させたり (Text Analytics Toolbox™ が必要)、スペクトログラムを使用してオーディオ データについて畳み込みニューラル ネットワークに学習させたり (Audio Toolbox™ が必要) することができます。
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
ブロック
プロパティ
ConfusionMatrixChart Properties | Confusion matrix chart appearance and behavior |
トピック
再帰型ネットワーク
- 長短期記憶ネットワーク
長短期記憶 (LSTM) ネットワークについて学習します。 - 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。 - Train Network with LSTM Projected Layer
Train a deep learning network with an LSTM projected layer for sequence-to-label classification. - ディープ ネットワーク デザイナーを使用したシンプルなシーケンス分類ネットワークの作成
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シンプルな長短期記憶 (LSTM) 分類ネットワークを作成する方法を説明します。 - 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。 - Classify Videos Using Deep Learning with Custom Training Loop
This example shows how to create a network for video classification by combining a pretrained image classification model and a sequence classification network. - アテンションを使用したイメージ キャプションの生成
この例では、アテンションを使用したイメージ キャプション生成のために深層学習モデルを学習させる方法を説明します。 - 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。 - LSTM ネットワークの活性化の可視化
この例では、活性化を抽出し、LSTM ネットワークによって学習された特徴を調査して可視化す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。 - ディープ ネットワーク デザイナーを使用したシンプルなシーケンス分類ネットワークの作成
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シンプルな長短期記憶 (LSTM) 分類ネットワークを作成する方法を説明します。 - Train Latent ODE Network with Irregularly Sampled Time-Series Data
This example shows how to train a latent ordinary differential equation (ODE) autoencoder with time-series data that is sampled at irregular time intervals.
畳み込みネットワーク
- 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。 - 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。 - 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。 - 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。 - Train Network with Complex-Valued Data
This example shows how to predict the frequency of a complex-valued waveform using a 1-D convolutional neural network. - Interpret Deep Learning Time-Series Classifications Using Grad-CAM
This example shows how to use the gradient-weighted class activation mapping (Grad-CAM) technique to understand the classification decisions of a 1-D convolutional neural network trained on time-series data. - Sequence Classification Using CNN-LSTM Network
This example shows how to create a 2-D CNN-LSTM network for speech classification tasks by combining a 2-D convolutional neural network (CNN) with a long short-term memory (LSTM) layer. - 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。
Simulink を使用した深層学習
- Simulink でのネットワークの状態の予測と更新
この例では、Stateful Predict
ブロックを使用して、学習済みの再帰型ニューラル ネットワークの応答を Simulink® で予測する方法を説明します。 - Simulink でのネットワークの状態の分類と更新
この例では、Stateful Classify
ブロックを使用して、Simulink® で学習済みの再帰型ニューラル ネットワークの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バッテリー充電状態の予測
この例では、深層学習を使用してバッテリーの充電状態を予測するためのニューラル ネットワークに学習させる方法を示します。 - Improve Performance of Deep Learning Simulations in Simulink
This example shows how to use code generation to improve the performance of deep learning simulations in Simulink®. - Physical System Modeling Using LSTM Network in Simulink
This example shows how to create a reduced order model (ROM) to replace a Simscape component in a Simulink® model by training a long short-term memory (LSTM) neural network.
MATLAB を使用した深層学習
- 深層学習層の一覧
MATLAB® のすべての深層学習層を確認できます。 - 深層学習用のデータストア
深層学習アプリケーションでデータストアを使用する方法を学びます。 - MATLAB による深層学習
畳み込みニューラル ネットワークを使用して分類や回帰を行う MATLAB の深層学習機能を確認します。これには、事前学習済みのネットワークと転移学習のほか、GPU、CPU、クラスター、およびクラウドでの学習が含まれます。 - 深層学習のヒントとコツ
深層学習ネットワークの精度を改善する方法を学習します。 - 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。