Main Content

Simulink でのネットワークの状態の分類と更新

この例では次を使用します。

スクリプトを開く

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。この例では、事前学習済みの長短期記憶 (LSTM) ネットワークを使用します。

事前学習済みのネットワークの読み込み

[1] および [2] で説明されているように Japanese Vowels データセットで学習させた事前学習済みの長短期記憶 (LSTM) ネットワーク JapaneseVowelsNet を読み込みます。このネットワークは、ミニバッチのサイズ 27 を使用して、シーケンス長で並べ替えられたシーケンスで学習させています。

load JapaneseVowelsNet

ネットワーク アーキテクチャを表示します。

analyzeNetwork(net);

テスト データの読み込み

Japanese Vowels テスト データを読み込みます。XTest は、次元 12 の可変長の 370 個のシーケンスが含まれる cell 配列です。TTest は、9 人の話者に対応するラベル "1"、"2"、...、"9" から成る categorical ベクトルです。

タイムスタンプ付きの行と X の反復コピーから成る timetable 配列 simin を作成します。

[XTest,TTest] = japaneseVowelsTestData;
X = XTest{94};
numTimeSteps = size(X,2);
simin = timetable(repmat(X,1,4)','TimeStep',seconds(0.2));

データ分類用の Simulink モデル

データを分類するための Simulink モデルには、ラベルを予測するための Stateful Classify ブロックと、タイム ステップでの入力データ シーケンスを読み込むための From Workspace ブロックが含まれています。

シミュレーション中に再帰型ニューラル ネットワークの状態を初期状態にリセットするには、Stateful Classify ブロックを Resettable Subsystem 内に配置し、トリガーとして制御信号 Reset を使用します。

open_system('StatefulClassifyExample');

シミュレーション用モデルの構成

Stateful Classify ブロックのモデル コンフィギュレーション パラメーターを設定します。

set_param('StatefulClassifyExample/Stateful Classify','NetworkFilePath','JapaneseVowelsNet.mat');
set_param('StatefulClassifyExample','SimulationMode','Normal');

シミュレーションの実行

JapaneseVowelsNet ネットワークの応答を計算するには、シミュレーションを実行します。予測ラベルは MATLAB® ワークスペースに保存されます。

out = sim('StatefulClassifyExample');

予測されたラベルを階段状プロットにプロットします。このプロットには、タイムス ステップ間の予測の変化が示されます。

labels = squeeze(out.YPred.Data(1:numTimeSteps,1));

figure
stairs(labels, '-o')
xlim([1 numTimeSteps])
xlabel("Time Step")
ylabel("Predicted Class")
title("Classification Over Time Steps")

予測と真のラベルを比較します。観測値の真のラベルを示す水平のラインをプロットします。

trueLabel = double(TTest(94));
hold on
line([1 numTimeSteps],[trueLabel trueLabel], ...
    'Color','red', ...
    'LineStyle','--')
legend(["Prediction" "True Label"])
axis([1 numTimeSteps+1 0 9]);

参照

[1] M. Kudo, J. Toyama, and M. Shimbo. "Multidimensional Curve Classification Using Passing-Through Regions." Pattern Recognition Letters. Vol. 20, No. 11–13, pages 1103–1111.

[2] UCI Machine Learning Repository: Japanese Vowels Dataset. https://archive.ics.uci.edu/ml/datasets/Japanese+Vowels

参考

| | |

関連するトピック