이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
시계열분류,회귀및전망작업을위해신경망을만들고훈련시킵니다。sequence-to-one또는sequence-to-label분류및회귀문제에대해장단기기억(LSTM)신경망을훈련시킵니다。단어임베딩계층을사용하여텍스트데이터에대해LSTM신경망을훈련시키거나(文本分析工具箱™필요),스펙트로그램을사용하여오디오데이터에대해컨벌루션신경망을훈련시킬수있습니다(音频工具箱™필요)。
심층신경망디자이너 | ,딥러닝신경망의설계시각화및훈련 |
ConfusionMatrixChart属性 | 混淆矩阵图的外观和行为 |
이예제에서는장단기기억(LSTM)신경망을사용하여시퀀스데이터를분류하는방법을보여줍니다。
이예제에서는장단기기억(LSTM)신경망을사용하여시퀀스데이터의각시간스텝을분류하는방법을보여줍니다。
이예제에서는딥러닝을사용하여엔진의잔여수명(原则)을예측하는방법을보여줍니다。
이예제에서는장단기기억(LSTM)신경망을사용하여시계열데이터를전망하는방법을보여줍니다。
이예제에서는사전훈련된영상분류모델과LSTM신경망을결합하여비디오를분류하는신경망을만드는방법을보여줍니다。
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。
이예제에서는오디오에서음성명령의존재여부를감지하는딥러닝모델을훈련시키는방법을보여줍니다。
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。
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。
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。
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。
딥러닝신경망을대화형방식으로구축하고편집합니다。
이예제에서는심층신경망디자이너를사용하여간단한장단기기억(LSTM)분류신경망을만드는방법을보여줍니다。
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。
이예제에서는딥러닝장단기기억(LSTM)신경망을사용하여텍스트데이터를분류하는방법을보여줍니다。
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。
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。
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。
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。
이예제에서는텍스트를생성하도록딥러닝장단기기억(LSTM)신경망을훈련시키는방법을보여줍니다。
이예제에서는문자임베딩을사용하여텍스트를생성하도록딥러닝LSTM신경망을훈련시키는방법을보여줍니다。
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。
这个例子展示了如何使用自动编码器生成文本数据。
这个例子展示了如何定义一个文本编码器模型函数。
这个例子展示了如何定义一个文本解码器模型函数。
장단기기억(LSTM)신경망에대해알아봅니다。
MATLAB®에서제공하는딥러닝계층에대해알아봅니다。
学习如何在深度学习应用程序中使用数据存储。
사전훈련된신경망및전이학습,그리고GPU, CPU、클러스터및클라우드에서의훈련등분류및회귀에컨벌루션신경망을사용하여MATLAB의딥러닝기능을알아봅니다。
딥러닝신경망의정확도를높이는방법을알아봅니다。
为各种深度学习任务发现数据集。