시퀀스와시계열

딥러닝을사용한시퀀스분류

이예제에서는장단기기억(LSTM)신경망을사용하여시퀀스데이터를분류하는방법을보여줍니다。

딥러닝을사용한sequence-to-sequence분류

이예제에서는장단기기억(LSTM)신경망을사용하여시퀀스데이터의각시간스텝을분류하는방법을보여줍니다。

딥러닝을사용한sequence-to-sequence회귀

이예제에서는딥러닝을사용하여엔진의잔여수명(原则)을예측하는방법을보여줍니다。

딥러닝을사용한시계열전망

이예제에서는장단기기억(LSTM)신경망을사용하여시계열데이터를전망하는방법을보여줍니다。

딥러닝을사용하여비디오분류하기

이예제에서는사전훈련된영상분류모델과LSTM신경망을결합하여비디오를분류하는신경망을만드는방법을보여줍니다。

分类视频使用深度学习与自定义训练循环

这个例子展示了如何结合预先训练的图像分类模型和序列分类网络来创建一个视频分类网络。

딥러닝을사용해음성명령인식하기

이예제에서는오디오에서음성명령의존재여부를감지하는딥러닝모델을훈련시키는방법을보여줍니다。

使用注意力的图像说明

这个例子展示了如何训练一个深度学习模型来使用注意力进行图像字幕。

사용자지정미니배치데이터저장소를사용하여시퀀스데이터에대해신경망훈련시키기

이예제에서는사용자지정미니배치데이터저장소를사용하여메모리에다담을수없을정도로큰시퀀스데이터를대상으로딥러닝신경망을훈련시키는방법을보여줍니다。

可视化LSTM网络的激活

这个例子展示了如何通过提取激活来研究和可视化LSTM网络学习的特征。

使用一维卷积的序列到序列分类

这个例子展示了如何使用一个通用的时间卷积网络(TCN)对序列数据的每个时间步骤进行分类。

基于深度学习的化工过程故障检测

这个例子展示了如何使用模拟数据来训练神经网络来检测化学过程中的故障。

심층신경망디자이너를사용하여신경망구축하기

딥러닝신경망을대화형방식으로구축하고편집합니다。

심층신경망디자이너를사용하여간단한시퀀스분류신경망만들기

이예제에서는심층신경망디자이너를사용하여간단한장단기기억(LSTM)분류신경망을만드는방법을보여줍니다。

在Simulink中预测和更新网络状态万博1manbetx

这个例子展示了如何在Simulink®中使用万博1manbetx有状态的预测块。

在Simulink中对网络状态进行分类和更新万博1manbetx

这个例子展示了如何在Simulink®中使用万博1manbetx有状态的分类块。

텍스트데이터

딥러닝을사용하여텍스트데이터분류하기

이예제에서는딥러닝장단기기억(LSTM)신경망을사용하여텍스트데이터를분류하는방법을보여줍니다。

基于卷积神经网络的文本数据分类

这个例子展示了如何使用卷积神经网络对文本数据进行分类。

基于深度学习的多标签文本分类

这个示例展示了如何对具有多个独立标签的文本数据进行分类。

使用深度学习对内存不足的文本数据进行分类

这个例子展示了如何用深度学习网络使用转换后的数据存储对内存不足的文本数据进行分类。

使用注意的顺序翻译

这个示例演示了如何使用循环序列到序列编码器-解码器模型将十进制字符串转换为罗马数字。

딥러닝을사용하여텍스트생성하기

이예제에서는텍스트를생성하도록딥러닝장단기기억(LSTM)신경망을훈련시키는방법을보여줍니다。

오만과편견그리고MATLAB

이예제에서는문자임베딩을사용하여텍스트를생성하도록딥러닝LSTM신경망을훈련시키는방법을보여줍니다。

使用深度学习逐字生成文本

这个例子展示了如何训练一个深度学习LSTM网络来逐字生成文本。

使用自动编码器生成文本

这个例子展示了如何使用自动编码器生成文本数据。

定义文本编码器模型函数

这个例子展示了如何定义一个文本编码器模型函数。

定义文本解码器模型函数

这个例子展示了如何定义一个文本解码器模型函数。