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

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
`featureInputLayer`	Feature input layer
`lstmLayer`	長短期記憶 (LSTM) 層
`bilstmLayer`	双方向長短期記憶 (BiLSTM) 層
`gruLayer`	Gated recurrent unit (GRU) layer
`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 (leaky) 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
`swishLayer`	Swish 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

`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
`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
`activations`	深層学習ネットワーク層の活性化の計算
`predictAndUpdateState`	Predict responses using a trained recurrent neural network and update the network state
`classifyAndUpdateState`	Classify data using a trained recurrent neural network and update the network state
`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
`sortClasses`	Sort classes of confusion matrix chart

カスタム学習ループ

padsequences Pad or truncate sequence data to same length

ブロック

すべて展開する

深層ニューラルネットワーク

Predict	Predict responses using a trained deep learning neural network
Stateful Predict	Predict responses using a trained recurrent neural network
Stateful Classify	Classify data using a trained deep learning recurrent neural network

プロパティ

ConfusionMatrixChart Properties

Confusion 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。

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.

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、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。

Predict and Update Network State in Simulink

This example shows how to predict responses for a trained recurrent neural network in Simulink® by using the Stateful Predict block. This example uses a pretrained long short-term memory (LSTM) network.

Classify and Update Network State in Simulink

This example shows how to classify data for a trained recurrent neural network in Simulink® by using the Stateful Classify block. This example uses a pretrained long short-term memory (LSTM) network.