R2017a で提供される Version 10.0 では、以下の機能が強化されています。

  • 回帰のためのディープ ラーニング: 回帰タスク向けに畳み込みニューラル ネットワーク (畳み込みネット、CNNとしても知られる) の学習を行う
  • 学習済みモデル: AlexNet、VGG-16、 VGG-19 および Caffe よりインポート したモデル (Caffe Model Zoo を含む) などの学習済みモデルによる転移学習
  • クラウド インスタンスでのディープ ラーニング: MATLAB および MATLAB Distributed Computing Server for Amazon EC2 において、複数GPUを使った畳み込みニューラル ネットワークの学習を行う
  • 複数 GPU によるディープ ラーニング: PC (Parallel Computing Toolbox を使用) およびクラスター (MATLAB Distributed Computing Server を使用) において、複数GPUを使った畳み込みニューラル ネットワークの学習を行う
  • CPU によるディープ ラーニング:GPUと同様にCPU上においても畳み込みニューラル ネットワークの学習を行う
  • ディープ ラーニングの可視化: ディープ ドリームおよび隠れ層の活性を使い、畳み込みネットが学習した特徴量を可視化する

詳細につきましては、 リリース ノート (英語) をご覧ください。

R2016b で提供される Version 9.1 では、以下の機能が強化されています。

  • CPU を使用したディープ ラーニング: 学習済み CNN を実行して特徴の抽出、予測の実行および CPU および GPU 上のデータの分類を実行
  • 任意のサイズの画像を使用したディープ ラーニング: 学習に使用したものと異なるサイズの画像に対して学習済み CNN を実行
  • パフォーマンス: ImageDatastore オブジェクトを使用する際の CNN の学習を迅速化
  • 学習したモデルの展開: MATLAB Compiler または MATLAB Compiler SDK を介して学習したニューラル ネットワーク モデルを展開

詳細につきましては、 リリース ノート (英語) をご覧ください。

R2016a に組み込まれているバージョン 9.0 には、次のような拡張機能が含まれます。

  • 深層学習: 内蔵 GPU によるイメージ分類タスクの高速化によって深層たたみ込みニューラル ネットワークを訓練 (Parallel Computing Toolbox を使用)

詳細については、リリース ノートをご覧ください。

R2015b に組み込まれているバージョン 8.4 には、次のような拡張機能が含まれます。

  • ニューラルネットワーク・オートエンコーダによる、教師なし学習を実現する、trainAutoencoder関数
  • オートエンコーダに追加されたstack機能にて深いネットワークを構成したディープラーニング
  •  
  • 速度とメモリ効率が改善したLevenberg-Marquardt (trainlm) 及び、 Bayesian Regularization (trainbr)アルゴリズム

詳細については、リリース ノートをご覧ください。

R2015a に組み込まれているバージョン 8.3 には、次のような拡張機能が含まれます。

  • 学習の並列処理用に進行状況の更新情報を表示

詳細については、リリース ノートをご覧ください。