이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.
시계열, 시퀀스 및 텍스트에서의 심층 학습
시계열 분류, 회귀 및 예측 작업을 위해 네트워크를 만들고 훈련시킵니다. sequence-to-one 또는 sequence-to-label 분류 및 회귀 문제에 대해 장단기 기억(LSTM) 네트워크를 훈련시킵니다. 단어 임베딩 계층을 사용하여 텍스트 데이터에 대해 LSTM 네트워크를 훈련시키거나(Text Analytics Toolbox™ 필요), 스펙트로그램을 사용하여 오디오 데이터에 대해 컨벌루션 신경망을 훈련시킬 수 있습니다(Audio System Toolbox™ 필요).
앱
| 심층 네트워크 디자이너 | 심층 학습 네트워크의 편집 및 생성 |
함수
예제 및 방법
시퀀스와 시계열
이 예제에서는 장단기 기억(LSTM) 네트워크를 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다.
심층 학습을 사용한 sequence-to-sequence 분류
이 예제에서는 장단기 기억(LSTM) 네트워크를 사용하여 시퀀스 데이터의 각 시간 스텝을 분류하는 방법을 보여줍니다.
심층 학습을 사용한 sequence-to-sequence 회귀
이 예제에서는 심층 학습을 사용하여 엔진의 잔여 수명(RUL)을 예측하는 방법을 보여줍니다.
이 예제에서는 장단기 기억(LSTM) 네트워크를 사용하여 시계열 데이터를 예측하는 방법을 보여줍니다.
이 예제에서는 오디오에서 음성 명령의 존재 여부를 감지하는 간단한 심층 학습 모델을 훈련시키는 방법을 보여줍니다.
메모리에 담을 수 없을 정도로 큰 시퀀스 데이터를 사용하여 네트워크 훈련시키기
이 예제에서는 사용자 지정 미니 배치 데이터저장소를 사용하여 메모리에 다 담을 수 없을 정도로 큰 시퀀스 데이터를 대상으로 심층 학습 네트워크를 훈련시키는 방법을 보여줍니다.
Build Networks with Deep Network Designer
Interactively build and edit deep learning networks.
텍스트 데이터
이 예제에서는 심층 학습 장단기 기억(LSTM) 네트워크를 사용하여 일기 예보의 텍스트 설명을 분류하는 방법을 보여줍니다.
이 예제에서는 텍스트를 생성하도록 심층 학습 장단기 기억(LSTM) 네트워크를 훈련시키는 방법을 보여줍니다.
이 예제에서는 문자 임베딩을 사용하여 텍스트를 생성하도록 심층 학습 LSTM 네트워크를 훈련시키는 방법을 보여줍니다.
Word-By-Word Text Generation Using Deep Learning
This example shows how to train a deep learning LSTM network to generate text word-by-word.
사용자 지정 미니 배치 데이터저장소를 사용하여 메모리에 담을 수 없는 큰 텍스트 데이터 분류하기
이 예제에서는 사용자 지정 미니 배치 데이터저장소를 사용하여 심층 학습 네트워크로 메모리에 담을 수 없는 큰 텍스트 데이터를 분류하는 방법을 보여줍니다.
개념
Long Short-Term Memory Networks
Learn about long short-term memory (LSTM) networks
Discover all the deep learning layers in MATLAB®.
Discover deep learning capabilities in MATLAB using convolutional neural networks for classification and regression, including pretrained networks and transfer learning, and training on GPUs, CPUs, clusters, and clouds.
Learn how to improve the accuracy of deep learning networks.
