Последовательности и временные ряды

Классификация последовательностей Используя глубокое обучение

В этом примере показано, как классифицировать данные о последовательности с помощью сети долгой краткосрочной памяти (LSTM).

Классификация от последовательности к последовательности Используя глубокое обучение

В этом примере показано, как классифицировать каждый временной шаг данных о последовательности с помощью сети долгой краткосрочной памяти (LSTM).

Регрессия от последовательности к последовательности Используя глубокое обучение

В этом примере показано, как предсказать остающийся срок полезного использования (RUL) механизмов при помощи глубокого обучения.

Прогнозирование временных рядов Используя глубокое обучение

В этом примере показано, как предсказать данные временных рядов с помощью сети долгой краткосрочной памяти (LSTM).

Классифицируйте видео Используя глубокое обучение

В этом примере показано, как создать сеть для видео классификации путем объединения предварительно обученной модели классификации изображений и сети LSTM.

Классифицируйте видео Используя глубокое обучение для пользовательского учебного цикла

В этом примере показано, как создать сеть для видео классификации путем объединения предварительно обученной модели классификации изображений и сети классификации последовательностей.

Распознание речевых команд с использованием глубокого обучения

В этом примере показано, как обучить модель глубокого обучения, которая обнаруживает присутствие речевых команд в аудио.

Отобразите ввод субтитров Используя внимание

В этом примере показано, как обучить модель глубокого обучения вводу субтитров изображений с помощью внимания.

Обучите сеть Используя пользовательский мини-пакетный Datastore для данных о последовательности

В этом примере показано, как обучить нейронную сеть для глубокого обучения на данных о последовательности из памяти с помощью пользовательского мини-пакетного datastore.

Визуализируйте активации сети LSTM

В этом примере показано, как исследовать и визуализировать функции, изученные сетями LSTM путем извлечения активаций.

Классификация от последовательности к последовательности Используя 1D свертки

В этом примере показано, как классифицировать каждый временной шаг данных о последовательности с помощью типовой временной сверточной сети (TCN).

Химическое обнаружение отказа процесса Используя глубокое обучение

В этом примере показано, как использовать данные моделирования, чтобы обучить нейронную сеть, которая может обнаружить отказы в химическом процессе.

Создайте сети с Deep Network Designer

В интерактивном режиме создайте и отредактируйте нейронные сети для глубокого обучения.

Создайте простую сеть классификации последовательностей Используя Deep Network Designer

В этом примере показано, как создать простую сеть классификации долгой краткосрочной памяти (LSTM) использование Deep Network Designer.

Предскажите и обновите сетевое состояние в Simulink

В этом примере показано, как предсказать ответы для обученной рекуррентной нейронной сети в Simulink® при помощи Stateful Predict блок.

Классифицируйте и обновите сетевое состояние в Simulink

В этом примере показано, как классифицировать данные для обученной рекуррентной нейронной сети в Simulink® при помощи Stateful Classify блок.

Текстовые данные

Классифицируйте текстовые данные Используя глубокое обучение

В этом примере показано, как классифицировать текстовые данные с помощью сети долгой краткосрочной памяти (LSTM) глубокого обучения.

Классифицируйте текстовые данные Используя сверточную нейронную сеть

В этом примере показано, как классифицировать текстовые данные с помощью сверточной нейронной сети.

Классификация мультитекстов метки Используя глубокое обучение

В этом примере показано, как классифицировать текстовые данные, которые имеют несколько независимых меток.

Классифицируйте текстовые данные из памяти Используя глубокое обучение

В этом примере показано, как классифицировать текстовые данные из памяти с нейронной сетью для глубокого обучения с помощью преобразованного datastore.

Перевод от последовательности к последовательности Используя внимание

В этом примере показано, как преобразовать десятичные строки в Римские цифры с помощью модели декодера энкодера повторяющейся последовательности к последовательности с вниманием.

Сгенерируйте текст Используя глубокое обучение

В этом примере показано, как обучить сеть долгой краткосрочной памяти (LSTM) глубокого обучения генерировать текст.

Гордитесь и нанесите ущерб и MATLAB

В этом примере показано, как обучить сеть LSTM глубокого обучения, чтобы сгенерировать текст с помощью символьных вложений.

Пословно текстовая генерация Используя глубокое обучение

В этом примере показано, как обучить сеть LSTM глубокого обучения, чтобы сгенерировать текст пословно.

Сгенерируйте текст Используя автоэнкодеры

В этом примере показано, как сгенерировать текстовые данные с помощью автоэнкодеров.

Задайте текстовую функцию модели энкодера

В этом примере показано, как задать текстовую функцию модели энкодера.

Задайте текстовую функцию модели декодера

В этом примере показано, как задать текстовую функцию модели декодера.