最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。
時系列、シーケンス、およびテキスト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 System 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編集および構築 |
関数
例および操作のヒント
シーケンスおよび時系列
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。
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。
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シンプルな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、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。
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構築
深層学習ネットワークを対話形式で構築および編集します。
テキスト データ
この例では、深層学習長短期記憶 (LSTM) ネットワークを使用して天気予報の説明文を分類する方法を説明します。
この例では、深層学習長短期記憶 (LSTM) ネットワークに学習させてテキストを生成する方法を説明します。
この例では、深層学習 LSTM ネットワークに学習させ、文字の埋め込みを使用してテキストを生成する方法を説明します。
Word-By-Word Text Generation Using Deep Learning
This example shows how to train a deep learning LSTM network to generate text word-by-word.
カスタム ミニバッチ データストアを使用したメモリ外のテキスト データの分類
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深層学習ネットワークでメモリ外のテキスト データを分類する方法を説明します。
概念
長短期記憶 (LSTM) ネットワークについて学習します。
MATLAB® のすべての深層学習層を確認できます。
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。
深層学習ネットワークの精度を改善する方法を学習します。
