con2seq

R2026b

(削除予定) 同時ベクトルから逐次ベクトルへの変換

con2seq は将来のリリースで削除される予定です。詳細については、レガシ ニューラル ネットワーク コードの dlnetwork ワークフローへの移行を参照してください。

コードの更新に関するアドバイスについては、バージョン履歴を参照してください。

構文

S = con2seq(b)
S = con2seq(b,TS)


説明

Deep Learning Toolbox™ ソフトウェアは、同時ベクトルを行列で、逐次ベクトルを cell 配列 (2 番目のインデックスはタイム ステップ) で配置します。

con2seq と seq2con を使用すると、同時ベクトルを逐次ベクトルに変換したり、逆変換したりできます。

S = con2seq(b) は、次の 1 つの入力を取ります。

b	R 行 TS 列の行列

そして、次の 1 つの出力を返します。

S	R 行 1 列のベクトルから成る 1 行 TS 列の cell 配列

S = con2seq(b,TS) は、複数のバッチを変換することもできます。

b	M*TS 個の列をもつ行列から成る N 行 1 列の cell 配列
TS	タイム ステップ

これは、以下を返します。

S	M 個の列をもつ行列から成る N 行 TS 列の cell 配列

例

ここでは、3 つの値から成る 1 つのバッチをシーケンスに変換します。

p1 = [1 4 2]
p2 = con2seq(p1)

ここでは、ベクトルから成る 2 つのバッチを、2 つのタイム ステップをもつ 2 つのシーケンスに変換します。

p1 = {[1 3 4 5; 1 1 7 4]; [7 3 4 4; 6 9 4 1]}
p2 = con2seq(p1,2)

バージョン履歴

R2006a より前に導入

R2026a: con2seq は削除予定

con2seq は将来のリリースで削除される予定です。

時系列データを使用してニューラル ネットワークに学習させるには、以下のいずれかのオプションを使用します。

• 時系列モデラー アプリ — 時系列データ用のニューラル ネットワークの設計および学習を対話形式で行います。

• trainnet — ニューラル ネットワークに学習させます。ネットワーク アーキテクチャまたは学習アルゴリズムにさらなる柔軟性が必要な場合は、この関数を使用します。

時系列データのワークフローの詳細については、以下の例とトピックを参照してください。

• Training Neural Networks with Time Series Data

• 深層学習を使用した時系列予測

• Create and Train NARX Network for Time Series Forecasting

• 長短期記憶ニューラル ネットワーク

• Example Deep Learning Network Architectures

trainnet 関数を使用する場合、ほとんどのデータストアと関数はネットワークで必要とされるレイアウトでデータを出力するため、データを形状変更する必要はありません。データのレイアウトがネットワークで必要とされるレイアウトと異なる場合は、データのレイアウトが異なることを示すために、trainingOptions 関数の InputDataFormats 引数を使用するか、データを minibatchqueue オブジェクトとして指定して MiniBatchFormat プロパティを指定するか、形式を整えた dlarray オブジェクトとして入力データを指定します。通常、データ形式を指定することは、入力データを前処理するよりも簡単です。

詳細については、レガシ ニューラル ネットワーク コードの dlnetwork ワークフローへの移行を参照してください。

参考

時系列モデラー | trainnet | trainingOptions | dlnetwork

トピック

• Training Neural Networks with Time Series Data
• レガシ ニューラル ネットワーク コードの dlnetwork ワークフローへの移行