时间序列和序列数据的深度学习
为时间序列分类、回归和预测任务创建和训练网络
为时间序列分类、回归和预测任务创建和训练网络。训练长短期记忆(LSTM)网络处理序列到一或序列到标签的分类和回归问题。您可以使用单词嵌入层(需要文本分析工具箱™)在文本数据上训练LSTM网络，或者使用谱图在音频数据上训练卷积神经网络(需要音频工具箱™)。
应用程序
| 深层网络设计师 | 设计、可视化和训练深度学习网络 |
功能
块
属性
| ConfusionMatrixChart属性 | 混淆矩阵图的外观和行为 |
主题
复发性网络
- 长-短时记忆网络
了解长期短期记忆(LSTM)网络。 - 利用深度学习的时间序列预测
这个例子展示了如何使用长短期记忆(LSTM)网络预测时间序列数据。 - 利用深度学习进行序列分类
这个例子展示了如何使用长短期记忆(LSTM)网络对序列数据进行分类。 - 使用深度学习的序列对序列分类
这个例子展示了如何使用长短期记忆(LSTM)网络对序列数据的每个时间步进行分类。 - 使用深度学习的序列对序列回归
这个例子展示了如何使用深度学习来预测发动机的剩余使用寿命。 - 使用深度学习的序列到一回归
这个例子展示了如何使用长短时记忆(LSTM)神经网络预测波形的频率。 - LSTM投影层列车网络
训练具有LSTM投影层的深度学习网络，用于序列到标签的分类。 - 使用深度网络设计器创建简单的序列分类网络
这个例子展示了如何使用Deep network Designer创建一个简单的长短期记忆(LSTM)分类网络。 - 使用深度学习对视频进行分类
这个例子展示了如何通过结合预先训练的图像分类模型和LSTM网络来创建一个用于视频分类的网络。 - 使用具有自定义训练循环的深度学习对视频进行分类
这个例子展示了如何通过结合预先训练的图像分类模型和序列分类网络来创建视频分类网络。 - 使用注意力的图像标题
这个例子展示了如何训练一个深度学习模型的图像字幕使用注意力。 - 使用序列数据的自定义小批数据存储训练网络
这个例子展示了如何使用自定义的小批处理数据存储在内存不足的序列数据上训练深度学习网络。 - 可视化激活LSTM网络
这个例子展示了如何通过提取激活来研究和可视化LSTM网络学习到的特征。 - 基于深度学习的化工过程故障检测
利用模拟数据训练神经网络，以检测化工过程中的故障。 - 使用深度网络设计器创建简单的序列分类网络
这个例子展示了如何使用Deep network Designer创建一个简单的长短期记忆(LSTM)分类网络。 - 用不规则采样时间序列数据训练潜伏ODE网络
这个例子展示了如何用不规则时间间隔采样的时间序列数据训练潜伏常微分方程(ODE)自动编码器。
卷积网络
- 利用一维卷积进行序列分类
这个例子展示了如何使用一维卷积神经网络对序列数据进行分类。 - 基于深度学习的时间序列异常检测
此示例演示如何检测序列或时间序列数据中的异常。 - 用深度学习训练语音指令识别模型
这个例子展示了如何训练一个深度学习模型来检测音频中语音命令的存在。 - 使用不平衡类数据的序列分类网络
这个例子展示了如何使用1-D卷积神经网络分类序列，使用类权重修改训练，以考虑不平衡类。 - 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通用时域卷积网络(TCN)对序列数据的每个时间步进行分类。 - 复值数据列车网络
这个例子展示了如何使用一维卷积神经网络预测复值波形的频率。 - 用Grad-CAM解释深度学习时间序列分类
这个例子展示了如何使用梯度加权类激活映射(Grad-CAM)技术来理解训练时间序列数据的一维卷积神经网络的分类决策。 - 基于CNN-LSTM网络的序列分类
本例展示了如何将二维卷积神经网络(CNN)与长短时记忆(LSTM)层结合起来，创建用于语音分类任务的二维CNN-LSTM网络。 - 具有数字特征的列车网络
这个例子展示了如何创建和训练一个简单的神经网络，用于深度学习特征数据分类。
深度学习与动态仿真模块
- 在Simulink中预测和更新网络状态
这个例子展示了如何在Simulink®中预测训练过的循环神经网络的响应有状态的预测块。 - 在Simulink中分类和更新网络状态
这个例子展示了如何在Simulink®中对训练过的循环神经网络的数据进行分类有状态的分类块。 - 利用深度学习预测电池充电状态
这个例子展示了如何通过深度学习训练神经网络来预测电池的充电状态。 - 提高Simulink中深度学习仿真的性能
这个例子展示了如何在Simulink®中使用代码生成来提高深度学习仿真的性能。 - 在Simulink中使用LSTM网络进行物理系统建模
这个例子展示了如何通过训练长短期记忆(LSTM)神经网络来创建一个降阶模型(ROM)来替换Simulink®模型中的Simscape组件。
深度学习与MATLAB
- 深度学习层列表
在MATLAB中发现所有的深度学习层®． - 用于深度学习的数据存储
了解如何在深度学习应用程序中使用数据存储。 - MATLAB中的深度学习
在MATLAB中使用卷积神经网络进行分类和回归，包括预先训练的网络和转移学习，以及在gpu、cpu、集群和云上的训练，发现深度学习能力。 - 深度学习技巧
学习如何提高深度学习网络的准确性。 - 用于深度学习的数据集
发现用于各种深度学习任务的数据集。
特色的例子
您也可以从以下列表中选择网站: