本页对应的英文页面已更新，但尚未翻译。若要查看最新内容，请点击此处访问英文页面。

时序、序列和文本深度学习

创建和训练用于时序分类、回归和预测任务的网络

创建和训练用于时序分类、回归和预测任务的网络。训练用于“序列到单个”或“序列到标签”的分类和回归问题的长短期记忆 (LSTM) 网络。您可以使用单词嵌入层对文本数据训练 LSTM 网络（需要 Text Analytics Toolbox™），或使用频谱图对音频数据训练卷积神经网络（需要 Audio Toolbox™）。

App

Deep Network Designer

Edit and build deep learning networks

函数

全部展开

训练网络

`trainingOptions`	Options for training deep learning neural network
`trainNetwork`	Train neural network for deep learning
`analyzeNetwork`	Analyze deep learning network architecture

网络层

`sequenceInputLayer`	Sequence input layer
`lstmLayer`	Long short-term memory (LSTM) layer
`bilstmLayer`	Bidirectional long short-term memory (BiLSTM) layer
`sequenceFoldingLayer`	Sequence folding layer
`sequenceUnfoldingLayer`	Sequence unfolding layer
`flattenLayer`	Flatten layer
`fullyConnectedLayer`	Fully connected layer
`reluLayer`	Rectified Linear Unit (ReLU) layer
`leakyReluLayer`	Leaky Rectified Linear Unit (ReLU) layer
`clippedReluLayer`	Clipped Rectified Linear Unit (ReLU) layer
`eluLayer`	Exponential linear unit (ELU) layer
`tanhLayer`	Hyperbolic tangent (tanh) layer
`dropoutLayer`	Dropout layer
`softmaxLayer`	Softmax layer
`classificationLayer`	Classification output layer
`regressionLayer`	Create a regression output layer

预测

`predict`	Predict responses using a trained deep learning neural network
`classify`	Classify data using a trained deep learning neural network
`predictAndUpdateState`	Predict responses using a trained recurrent neural network and update the network state
`classifyAndUpdateState`	Classify data using a trained recurrent neural network and update the network state
`resetState`	Reset the state of a recurrent neural network
`confusionchart`	Create confusion matrix chart for classification problem
ConfusionMatrixChart Properties	Confusion matrix chart appearance and behavior
`sortClasses`	Sort classes of confusion matrix chart

示例和操作指南

序列和时序

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。

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序预测

此示例说明如何使用长期短期记忆 (LSTM) 网络预测时序数据。

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。

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简单的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。

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。

Build Networks with Deep Network Designer

Interactively build and edit deep learning networks.

文本数据

使用深度学习对文本数据进行分类

此示例说明如何使用深度学习长短期记忆 (LSTM) 网络对天气报告的文本描述进行分类。

使用卷积神经网络对文本数据进行分类

此示例说明如何使用卷积神经网络对文本数据进行分类。

使用深度学习对无法放入内存的文本数据进行分类

此示例说明在深度学习网络中，如何使用转换后的数据存储对无法放入内存的文本数据进行分类。

使用深度学习生成文本

此示例说明如何训练深度学习长短期记忆 (LSTM) 网络以生成文本。

《傲慢与偏见》与 MATLAB

此示例说明如何训练深度学习 LSTM 网络来通过字符嵌入生成文本。

使用深度学习进行逐单词文本生成

此示例说明如何训练深度学习 LSTM 网络来逐单词生成文本。

概念

Long Short-Term Memory Networks

Learn about long short-term memory (LSTM) networks

List of Deep Learning Layers

Discover all the deep learning layers in MATLAB^®.

Datastores for Deep Learning

Learn how to use datastores in deep learning applications.

Deep Learning 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.

Deep Learning Tips and Tricks

Learn how to improve the accuracy of deep learning networks.