Main Content

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

すべて展開する

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深層学習用のニューラル ネットワークの学習
analyzeNetwork深層学習ネットワーク アーキテクチャの解析
sequenceInputLayerシーケンス入力層
lstmLayer長短期記憶 (LSTM) 層
bilstmLayer双方向長短期記憶 (BiLSTM) 層
gruLayerGated recurrent unit (GRU) layer
sequenceFoldingLayerSequence folding layer
sequenceUnfoldingLayerSequence unfolding layer
flattenLayerFlatten layer
fullyConnectedLayer全結合層
reluLayer正規化線形ユニット (ReLU) 層
leakyReluLayer漏洩正規化線形ユニット (ReLU) 層
clippedReluLayerクリップされた正規化線形ユニット (ReLU) 層
eluLayerExponential linear unit (ELU) layer
tanhLayerHyperbolic tangent (tanh) layer
dropoutLayerドロップアウト層
softmaxLayerソフトマックス層
classificationLayer分類出力層
regressionLayer回帰出力層の作成
predict学習済み深層学習ニューラル ネットワークを使用した応答の予測
classify学習済み深層学習ニューラル ネットワークを使用したデータの分類
predictAndUpdateState学習済み再帰型ニューラル ネットワークを使用した応答の予測およびネットワークの状態の更新
classifyAndUpdateState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およびネットワークの状態の更新
resetState再帰型ニューラル ネットワークの状態のリセット
confusionchartCreate confusion matrix chart for classification problem
sortClassesSort classes of confusion matrix chart

プロパティ

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

例および操作のヒント

シーケンスおよび時系列

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。

深層学習を使用した音声コマンド認識

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。

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。

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。

深層学習を使用した化学的プロセスの故障検出

この例では、化学プロセスの故障を検出できるニューラル ネットワークをシミュレーション データで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。

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。

テキスト データ

深層学習を使用したテキスト データの分類

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テキスト データを分類する方法を説明します。

畳み込みニューラル ネットワークを使用したテキスト データの分類

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テキスト 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複数ラベルをもつテキストの分類

この例では、複数の独立したラベルをもつテキスト 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メモリ外のテキスト データの分類

この例では、変換された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。

アテンションを使用した sequence-to-sequence 変換

この例では、アテンションを使用した再帰型 sequence-to-sequence 符号化器-復号化器モデルを用いて数字の文字列をローマ数字に変換する方法を説明します。

深層学習を使用したテキストの生成

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。

『Pride and Prejudice』と MATLAB

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。

深層学習を使用した単語単位のテキスト生成

この例では、深層学習 LSTM ネットワークに学習させ、単語単位でテキストを生成する方法を説明します。

概念

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。

注目の例