状态分类

使用经过训练的深度学习复发性神经网络对数据进行分类

在页面中扩展全部

图书馆：
深度学习工具箱 /深神经网络

描述

这状态分类块通过使用块参数指定的训练有素的复发神经网络来预测输入处数据的类标签。该块允许将验证的网络加载到Simulink中万博1manbetx^®来自垫子或MATLAB的模型^®功能。此块通过每个预测更新网络状态。

要将复发性神经网络的状态重置为初始状态，请放置状态分类块内部可重置子系统（万博1manbetxSimulink）阻止并使用重置控制信号作为触发器。

限制

这状态分类块不支持MAT文件记录。万博1manbetx

端口

输入

展开全部

`输入`- 序列或时间序列数据
数字阵列

输入的格式取决于数据的类型。

输入	描述
向量序列	C-经过-s矩阵，哪里C是序列的功能数量，s是序列长度。
2-D图像序列	H-经过-w-经过-C-经过-s阵列，哪里H，，，，w，和C分别对应于图像的高度，宽度和数量，并且s是序列长度。

输出

展开全部

`ypred`- 预测的类标签
枚举

预测分数最高的班级标签，返回n-1列举的标签向量，其中n是观察的数量。

`分数`- 预测的班级分数
矩阵

预测分数，返回n-经过-k矩阵，哪里n是观察的数量，并且k是类的数量。

`标签`- 预测分数的类标签
矩阵

与预测分数相关的标签，返回为n-经过-k矩阵，哪里n是观察的数量，并且k是类的数量。

参数

展开全部

`网络`- 训练有素的复发神经网络来源
`来自Mat-File的网络`（默认）|`MATLAB功能的网络`

指定训练有素的复发神经网络的来源。训练有素的网络必须至少具有一个复发层（例如，LSTM网络）。选择以下一项：

来自Mat-File的网络- 从包含一个的垫子文件中导入经过训练的经过的复发性神经网络系列网络，，，，dagnetwork，或者dlnetwork目的。
MATLAB功能的网络- 从MATLAB函数中导入预处理的复发性神经网络。

程序化使用

块参数：网络

类型：角色向量，字符串

值：“来自Mat-File的网络”|“来自MATLAB功能的网络”

默认：“来自Mat-File的网络”

`文件路径`- 包含训练有素的复发神经网络的垫子文件
`Untitled.mat`（默认）|垫子名称

此参数指定包含训练有素的复发神经网络的垫子名称。如果文件不在MATLAB路径上，请使用浏览按钮以找到文件。

依赖性

要启用此参数，请设置网络参数为来自Mat-File的网络。

程序化使用

块参数：NetworkFilePath

类型：角色向量，字符串

值：垫子档案或名称

默认：'untitled.mat'

`MATLAB功能`- MATLAB功能名称
`无标题`（默认）|MATLAB功能名称

此参数指定了预验证的复发神经网络的MATLAB函数的名称。

依赖性

要启用此参数，请设置网络参数为MATLAB功能的网络。

程序化使用

块参数：网络函数

类型：角色向量，字符串

值：MATLAB功能名称

默认：'无标题'

`采样时间`- 输出样本周期和可选时间偏移
`-1`（默认）|标量|向量

这采样时间参数指定块在模拟过程中计算新的输出值何时。有关详细信息，请参阅指定样本时间（万博1manbetxSimulink）。

指定采样时间当您不希望输出具有时间偏移时，参数为标量。要在输出中添加时间偏移，请指定采样时间参数为a1-经过-2第一个元素是采样周期，第二个元素是偏移。

默认情况下，采样时间参数值是-1继承值。

程序化使用

块参数：采样时间

类型：角色向量

值：标量|向量

默认：'-1'

`分类`- 输出预测分数最高的标签
`上`（默认）|`离开`

启用输出端口ypred这将输出分数最高的标签。

程序化使用

块参数：分类

类型：角色向量，字符串

值：'离开'|'上'

默认：'上'

`预测`- 输出所有分数和相关标签
`离开`（默认）|`上`

启用输出端口分数和标签该输出所有预测的分数和相关的类标签。

程序化使用

块参数：预测

类型：角色向量，字符串

值：'离开'|'上'

默认：'离开'

模型示例

在simulink中对网络状态进行分类和更新万博1manbetx

通过使用训练有素的数据为训练有素的复发神经网络分类万博1manbetx状态分类堵塞。此示例使用验证的长期记忆（LSTM）网络。

打开脚本

扩展功能

C/C ++代码生成
使用Simulink®Coder™生成C和C ++代码。万博1manbetx

用法注释和限制：

要生成不依赖第三方库的通用C代码，配置参数>代码生成一般类别，设置语参数为C。
要生成C ++代码，在配置参数>代码生成一般类别，设置语参数为C ++。为代码生成的目标库，在代码生成>界面类别，设置目标库范围。将此参数设置为没有任何生成不依赖第三方库的通用C ++代码。
对于基于ERT的目标，万博1manbetx支持：可变大小信号参数代码生成>界面必须启用窗格。
有关代码生成支持的网络和层的列表，请参见万博1manbetx支持代码生成的网络和层万博1manbetx（MATLAB编码器）。

GPU代码生成
使用GPU CODER™为NVIDIA®GPU生成CUDA®代码。

用法注释和限制：

这语参数配置参数>代码生成一般类别必须设置为C ++。
GPU代码生成仅在针对Cudnn库时支持万博1manbetx此块。

版本历史记录

在R2021a中引入

也可以看看

预测|图像分类器|陈述预测

状态分类

描述

限制

端口

输入

输入- 序列或时间序列数据数字阵列

输出

ypred- 预测的类标签枚举

分数- 预测的班级分数矩阵

标签- 预测分数的类标签矩阵

参数

网络- 训练有素的复发神经网络来源来自Mat-File的网络（默认）|MATLAB功能的网络

程序化使用

文件路径- 包含训练有素的复发神经网络的垫子文件Untitled.mat（默认）|垫子名称

依赖性

程序化使用

MATLAB功能- MATLAB功能名称无标题（默认）|MATLAB功能名称

依赖性

程序化使用

采样时间- 输出样本周期和可选时间偏移-1（默认）|标量|向量

程序化使用

分类- 输出预测分数最高的标签上（默认）|离开

程序化使用

预测- 输出所有分数和相关标签离开（默认）|上

程序化使用

模型示例

在simulink中对网络状态进行分类和更新万博1manbetx

扩展功能

C/C ++代码生成使用Simulink®Coder™生成C和C ++代码。万博1manbetx

GPU代码生成使用GPU CODER™为NVIDIA®GPU生成CUDA®代码。

版本历史记录

也可以看看

`输入`- 序列或时间序列数据
数字阵列

`ypred`- 预测的类标签
枚举

`分数`- 预测的班级分数
矩阵

`标签`- 预测分数的类标签
矩阵

`网络`- 训练有素的复发神经网络来源
`来自Mat-File的网络`（默认）|`MATLAB功能的网络`

`文件路径`- 包含训练有素的复发神经网络的垫子文件
`Untitled.mat`（默认）|垫子名称

`MATLAB功能`- MATLAB功能名称
`无标题`（默认）|MATLAB功能名称

`采样时间`- 输出样本周期和可选时间偏移
`-1`（默认）|标量|向量

`分类`- 输出预测分数最高的标签
`上`（默认）|`离开`

`预测`- 输出所有分数和相关标签
`离开`（默认）|`上`

C/C ++代码生成
使用Simulink®Coder™生成C和C ++代码。万博1manbetx

GPU代码生成
使用GPU CODER™为NVIDIA®GPU生成CUDA®代码。