ドキュメンテーション

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。

Neural Network Toolbox

浅い学習用および深層学習用のニューラル ネットワークの作成、学習、およびシミュレーション

R2018b リリース版より Neural Network Toolbox™ は Deep Learning Toolbox™ に製品名が変更されました。 このドキュメンテーションは R2018a リリース版の翻訳であるため、旧製品名が使用されています。

Neural Network Toolbox では、浅いニューラル ネットワークと深い (深層) ニューラル ネットワーク両方の作成、学習、可視化、およびシミュレーションを行うためのアルゴリズム、事前学習済みのモデル、およびアプリが用意されています。分類、回帰、クラスタリング、次元削減、時系列の予測、および動的システムのモデル化と制御がこれにより可能です。

深い学習ネットワーク (ディープ ラーニング ネットワーク) には、イメージの分類、回帰、および特徴の学習用の畳み込みニューラル ネットワーク (ConvNet、CNN)、有向非循環グラフ (DAG) ネットワーク トポロジ、および自己符号化器が含まれています。時系列の分類や回帰用には、長短期記憶 (LSTM) 深層学習ネットワークがツールボックスに用意されています。中間層や活性化の可視化、ネットワーク アーキテクチャの変更、また、学習の進行状況の監視がこれらによって可能です。

小規模な学習セットについては、事前学習済みの深いネットワーク モデル (Inception-v3、ResNet-50、ResNet-101、GoogLeNet、AlexNet、VGG-16、VGG-19 など) や TensorFlow® -Keras や Caffe からインポートしたモデルによる転移学習を行うことで、深層学習をすぐに適用できます。

大規模データセットの学習を加速させるために、(Parallel Computing Toolbox™ による) 計算やデータの、デスクトップのマルチコア プロセッサや GPU への分散や、(MATLAB® Distributed Computing Server™ による) Amazon EC2® P2、P3、G3 GPU インスタンスなどのクラスターやクラウドへのスケール アップも可能です。

深層学習の各種手法を無料で実際にお試しいただくには、ディープ ラーニング入門をご覧ください。

Neural Network Toolbox 入門

Neural Network Toolbox の基礎を学ぶ

深層学習の基礎

畳み込みニューラル ネットワーク (ConvNet) を使用して分類および回帰を行う MATLAB の深層学習機能の確認

深層学習によるイメージの分類

事前学習済みの深いネットワークを使用した、新しいタスクの高速学習、転移学習の実行とネットワークの微調整、または特徴抽出の実行

ゼロからの深層学習

系列ネットワーク、DAG ネットワーク、LSTM ネットワークなど、分類および回帰用の深いネットワークの新規作成、Caffe からのインポート、または独自の層の定義

深層学習の調整および可視化

学習の進行状況のプロット、精度の評価と予測の実行、深いネットワークの学習オプションの調整、ネットワークによって学習された特徴の可視化

並列およびクラウドでの深層学習

ローカルまたはクラウドで複数の GPU を使用して深層学習をスケールアップし、対話形式またはバッチ ジョブで複数のネットワークに学習させます。

深層学習の応用

深層学習のワークフローをコンピューター ビジョン、画像処理、信号処理、テキスト解析、または自動運転で拡張します。

深層学習の GPU コード生成

GPU コードの生成と深層学習ネットワークの配布

関数近似およびクラスタリング

浅いネットワークを使用した回帰、分類、クラスタリングの実行、自己符号化器による教師なし学習

時系列および制御システム

浅いネットワークを使用した非線形動的システムのモデル化、逐次データを使用した予測の実行。