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。
• 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 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。
• Sequence-to-One Regression Using Deep Learning
  This example shows how to predict the frequency of a waveform using a long short-term memory (LSTM) neural network.
• 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。
• Time Series Anomaly Detection Using Deep Learning
  This example shows how to detect anomalies in sequence or time series data.
• 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。
• 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。
• 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ネットワークの構築
  ディープ ネットワーク デザイナーを使用して、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。
• 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。
• Predict Battery State of Charge Using Deep Learning
  This example shows how to train a neural network to predict the state of charge of a battery by using deep learning.
• 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.