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.

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 Toolbox™ 필요).

앱

심층 네트워크 디자이너심층 학습 네트워크의 편집 및 생성

함수

모두 확장

trainingOptions심층 학습 신경망 훈련 옵션
trainNetwork심층 학습을 위해 신경망 훈련
analyzeNetwork심층 학습 네트워크 아키텍처 분석
sequenceInputLayer시퀀스 입력 계층
lstmLayer장단기 기억(LSTM) 계층
bilstmLayer양방향 장단기 기억(BiLSTM) 계층
sequenceFoldingLayerSequence folding layer
sequenceUnfoldingLayerSequence unfolding layer
flattenLayerFlatten layer
fullyConnectedLayer완전 연결 계층
reluLayerReLU(Rectified Linear Unit) 계층
leakyReluLayerLeaky ReLU(Rectified Linear Unit) 계층
clippedReluLayerClipped ReLU(Rectified Linear Unit) 계층
eluLayerExponential linear unit (ELU) layer
tanhLayerHyperbolic tangent (tanh) layer
dropoutLayer드롭아웃 계층
softmaxLayer소프트맥스 계층
classificationLayer분류 출력 계층
regressionLayer회귀 출력 계층 만들기
predict훈련된 심층 학습(딥러닝) 신경망을 사용하여 응답 변수 예측
classify훈련된 심층 학습(딥러닝) 신경망을 사용하여 데이터 분류
predictAndUpdateState훈련된 순환 신경망을 사용하여 응답 변수 예측 및 신경망 상태 업데이트
classifyAndUpdateState훈련된 순환 신경망을 사용하여 데이터 분류 및 신경망 상태 업데이트
resetState순환 신경망의 상태 재설정
confusionchartCreate confusion matrix chart for classification problem
ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior
sortClassesSort classes of confusion matrix chart

예제 및 방법

시퀀스와 시계열

심층 학습을 사용한 시퀀스 분류

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.

심층 학습을 사용한 시계열 예측

이 예제에서는 장단기 기억(LSTM) 네트워크를 사용하여 시계열 데이터를 예측하는 방법을 보여줍니다.

Classify Videos Using Deep Learning

This example shows how to create a network for video classification by combining a pretrained image classification model and an LSTM network.

심층 학습을 사용해 음성 명령 인식하기

이 예제에서는 오디오에서 음성 명령의 존재 여부를 감지하는 간단한 심층 학습 모델을 훈련시키는 방법을 보여줍니다.

사용자 지정 미니 배치 데이터저장소를 사용하여 시퀀스 데이터에 대해 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

심층 학습을 사용하여 텍스트 데이터 분류하기

이 예제에서는 심층 학습 장단기 기억(LSTM) 네트워크를 사용하여 일기 예보의 텍스트 설명을 분류하는 방법을 보여줍니다.

Classify Text Data Using Convolutional Neural Network

This example shows how to classify text data using a convolutional neural network.

Classify Out-of-Memory Text Data Using Deep Learning

This example shows how to classify out-of-memory text data with a deep learning network using a transformed datastore.

심층 학습을 사용하여 텍스트 생성하기

이 예제에서는 텍스트를 생성하도록 심층 학습 장단기 기억(LSTM) 네트워크를 훈련시키는 방법을 보여줍니다.

오만과 편견 그리고 MATLAB

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.

개념

장단기 기억 네트워크

장단기 기억(LSTM) 네트워크에 대해 알아봅니다.

심층 학습 계층 목록

MATLAB®에서 제공하는 심층 학습 계층에 대해 알아봅니다.

Datastores for Deep Learning

Learn how to use datastores in deep learning applications.

MATLAB의 심층 학습

사전 훈련된 네트워크 및 전이 학습, 그리고 GPU, CPU, 클러스터 및 클라우드에서의 훈련 등 분류 및 회귀에 컨벌루션 신경망을 사용하여 MATLAB의 심층 학습 기능을 알아봅니다.

Deep Learning Tips and Tricks

Learn how to improve the accuracy of deep learning networks.

추천 예제

심층 학습을 사용한 시퀀스 분류

심층 학습을 사용한 시퀀스 분류

이 예제에서는 장단기 기억(LSTM) 네트워크를 사용하여 시퀀스 데이터를 분류하는 방법을 보여줍니다.

라이브 스크립트 열기
심층 학습을 사용한 시계열 예측

심층 학습을 사용한 시계열 예측

이 예제에서는 장단기 기억(LSTM) 네트워크를 사용하여 시계열 데이터를 예측하는 방법을 보여줍니다.

라이브 스크립트 열기
심층 학습을 사용해 음성 명령 인식하기

심층 학습을 사용해 음성 명령 인식하기

이 예제에서는 오디오에서 음성 명령의 존재 여부를 감지하는 간단한 심층 학습 모델을 훈련시키는 방법을 보여줍니다. 이 예제에서는 Speech Commands Dataset을 사용하여 컨벌루션 신경망이 주어진 명령 세트를 인식하도록 훈련시킵니다[1].

스크립트 열기
Deep Learning Toolbox 문서
지원
Introducing Deep Learning with MATLAB

Introducing Deep Learning with MATLAB

Download ebook