Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

시계열, 시퀀스 및 텍스트에서의 딥러닝

시계열 분류, 회귀 및 전망 작업을 위해 신경망을 만들고 훈련시킵니다.

시계열 분류, 회귀 및 전망 작업을 위해 신경망을 만들고 훈련시킵니다. sequence-to-one 또는 sequence-to-label 분류 및 회귀 문제에 대해 장단기 기억(LSTM) 신경망을 훈련시킵니다. 단어 임베딩 계층을 사용하여 텍스트 데이터에 대해 LSTM 신경망을 훈련시키거나(Text Analytics Toolbox™ 필요), 스펙트로그램을 사용하여 오디오 데이터에 대해 컨벌루션 신경망을 훈련시킬 수 있습니다(Audio Toolbox™ 필요).

심층 신경망 디자이너딥러닝 신경망의 설계, 시각화 및 훈련

함수

모두 확장

trainingOptions딥러닝 신경망 훈련 옵션
trainNetwork딥러닝 신경망 훈련
analyzeNetwork딥러닝 신경망 아키텍처 분석
sequenceInputLayer시퀀스 입력 계층
featureInputLayerFeature input layer
lstmLayer장단기 기억(LSTM) 계층
bilstmLayer양방향 장단기 기억(BiLSTM) 계층
gruLayerGated recurrent unit (GRU) layer
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
swishLayerSwish layer
dropoutLayer드롭아웃 계층
softmaxLayer소프트맥스 계층
classificationLayer분류 출력 계층
regressionLayer회귀 출력 계층 만들기
classify훈련된 딥러닝 신경망을 사용하여 데이터 분류
predict훈련된 딥러닝 신경망을 사용하여 응답 변수 예측
activations딥러닝 신경망 계층 활성화 계산
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
sortClassesSort classes of confusion matrix chart
padsequencesPad or truncate sequence data to same length

블록

모두 확장

PredictPredict responses using a trained deep learning neural network
Stateful PredictPredict responses using a trained recurrent neural network
Stateful ClassifyClassify data using a trained deep learning recurrent neural network

속성

ConfusionMatrixChart PropertiesConfusion matrix chart appearance and behavior

예제 및 방법

시퀀스와 시계열

딥러닝을 사용한 시퀀스 분류

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

딥러닝을 사용한 sequence-to-sequence 분류

이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시퀀스 데이터의 각 시간 스텝을 분류하는 방법을 보여줍니다.

딥러닝을 사용한 sequence-to-sequence 회귀

이 예제에서는 딥러닝을 사용하여 엔진의 잔여 수명(RUL)을 예측하는 방법을 보여줍니다.

딥러닝을 사용한 시계열 전망

이 예제에서는 장단기 기억(LSTM) 신경망을 사용하여 시계열 데이터를 전망하는 방법을 보여줍니다.

딥러닝을 사용하여 비디오 분류하기

이 예제에서는 사전 훈련된 영상 분류 모델과 LSTM 신경망을 결합하여 비디오를 분류하는 신경망을 만드는 방법을 보여줍니다.

Classify Videos Using Deep Learning with Custom Training Loop

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

딥러닝을 사용해 음성 명령 인식하기

이 예제에서는 오디오에서 음성 명령의 존재 여부를 감지하는 딥러닝 모델을 훈련시키는 방법을 보여줍니다.

Image Captioning Using Attention

This example shows how to train a deep learning model for image captioning using attention.

사용자 지정 미니 배치 데이터저장소를 사용하여 시퀀스 데이터에 대해 신경망 훈련시키기

이 예제에서는 사용자 지정 미니 배치 데이터저장소를 사용하여 메모리에 다 담을 수 없을 정도로 큰 시퀀스 데이터를 대상으로 딥러닝 신경망을 훈련시키는 방법을 보여줍니다.

Visualize Activations of LSTM Network

This example shows how to investigate and visualize the features learned by LSTM networks by extracting the activations.

Sequence-to-Sequence Classification Using 1-D Convolutions

This example shows how to classify each time step of sequence data using a generic temporal convolutional network (TCN).

Chemical Process Fault Detection Using Deep Learning

This example shows how to use simulation data to train a neural network that can detect faults in a chemical process.

심층 신경망 디자이너를 사용하여 신경망 구축하기

딥러닝 신경망을 대화형 방식으로 구축하고 편집합니다.

심층 신경망 디자이너를 사용하여 간단한 시퀀스 분류 신경망 만들기

이 예제에서는 심층 신경망 디자이너를 사용하여 간단한 장단기 기억(LSTM) 분류 신경망을 만드는 방법을 보여줍니다.

Predict and Update Network State in Simulink

This example shows how to predict responses for a trained recurrent neural network in Simulink® by using the Stateful Predict block.

Classify and Update Network State in Simulink

This example shows how to classify data for a trained recurrent neural network in Simulink® by using the Stateful Classify block.

텍스트 데이터

딥러닝을 사용하여 텍스트 데이터 분류하기

이 예제에서는 딥러닝 장단기 기억(LSTM) 신경망을 사용하여 텍스트 데이터를 분류하는 방법을 보여줍니다.

Classify Text Data Using Convolutional Neural Network

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

Multilabel Text Classification Using Deep Learning

This example shows how to classify text data that has multiple independent labels.

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.

Sequence-to-Sequence Translation Using Attention

This example shows how to convert decimal strings to Roman numerals using a recurrent sequence-to-sequence encoder-decoder model with attention.

딥러닝을 사용하여 텍스트 생성하기

이 예제에서는 텍스트를 생성하도록 딥러닝 장단기 기억(LSTM) 신경망을 훈련시키는 방법을 보여줍니다.

오만과 편견 그리고 MATLAB

이 예제에서는 문자 임베딩을 사용하여 텍스트를 생성하도록 딥러닝 LSTM 신경망을 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.

Generate Text Using Autoencoders

This example shows how to generate text data using autoencoders.

Define Text Encoder Model Function

This example shows how to define a text encoder model function.

Define Text Decoder Model Function

This example shows how to define a text decoder model function.

개념

장단기 기억 신경망

장단기 기억(LSTM) 신경망에 대해 알아봅니다.

딥러닝 계층 목록

MATLAB®에서 제공하는 딥러닝 계층에 대해 알아봅니다.

Datastores for Deep Learning

Learn how to use datastores in deep learning applications.

MATLAB의 딥러닝

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

딥러닝 팁과 요령

딥러닝 신경망의 정확도를 높이는 방법을 알아봅니다.

Data Sets for Deep Learning

Discover data sets for various deep learning tasks.

추천 예제