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編集および構築

関数

すべて展開する

ネットワークの学習

`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

層

`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
`sequenceFoldingLayer`	Sequence folding layer
`sequenceUnfoldingLayer`	Sequence unfolding layer
`flattenLayer`	Flatten 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
`eluLayer`	Exponential linear unit (ELU) layer
`tanhLayer`	Hyperbolic 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

予測

`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
`confusionchart`	Create confusion matrix chart for classification problem
ConfusionMatrixChart Properties	Confusion matrix chart appearance and behavior
`sortClasses`	Sort classes of confusion matrix chart

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。

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。

Visualize Activations of LSTM Network

This example shows how to investigate and visualize the features learned by LSTM networks by extracting the activations.

Sequence-to-Sequence Classification Using 1-D Convolutions

This example shows how to classify each time step of sequence data using a generic temporal convolutional network (TCN).

Chemical Process Fault Detection Using Deep Learning

This example shows how to use simulation data to train a neural network that can detect faults in a chemical process. The network detects the faults in the simulated process with high accuracy. The typical workflow is as follows:

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。