序列和时间序列

• 使用深度学习进行序列分类
  此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据进行分类。
• Sequence Classification Using 1-D Convolutions
  This example shows how to classify sequence data using a 1-D convolutional neural network.
• 使用深度学习进行“序列到序列”分类
  此示例说明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。
• 使用深度学习进行“序列到序列”回归
  此示例说明如何使用深度学习预测发动机的剩余使用寿命 (RUL)。
• 使用深度学习进行时间序列预测
  此示例说明如何使用长期短期记忆 (LSTM) 网络预测时间序列数据。
• 使用深度学习对视频进行分类
  此示例说明如何通过将预训练图像分类模型和 LSTM 网络相结合来创建视频分类网络。
• 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.
• 使用深度学习进行语音命令识别
  此示例说明如何训练一个深度学习模型来检测音频中是否存在语音命令。此示例使用语音命令数据集 [1] 来训练卷积神经网络，以识别给定的一组命令。
• Image Captioning Using Attention
  This example shows how to train a deep learning model for image captioning using attention.
• 使用序列数据的自定义小批量数据存储来训练网络
  此示例说明如何使用自定义小批量数据存储基于无法放入内存的序列数据来训练深度学习网络。
• 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
  Use simulation data to train a neural network than can detect faults in a chemical process.
• 使用深度网络设计器构建网络
  在深度网络设计器中以交互方式构建和编辑深度学习网络。
• 使用深度网络设计器创建简单的序列分类网络
  此示例说明如何使用深度网络设计器创建简单的长短期记忆 (LSTM) 分类网络。
• 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.