英語をモデル化するようにネットを訓練する
この例では，回帰ニューラルネットワークを訓練して英語のテキストを生成する方法を示す．
まず，2つの小説から取った，25文字の訓練例を30万例作成する．
データのサンプルを取る．このデータは，「文字列が与えられると次の文字を予測する」という分類問題の形式になっている．
テキストに含まれるすべての文字のリストを得る．
文字列全体を一度に予測するネットを構築する．LinearLayerの前にSequenceLastLayerを使うのではなく，NetMapOperatorが使われている点に注意のこと．結果として，このネットは，単に文字列の最後の文字を予測するのではなく，各文字について文字列中の次の文字を同時に予測する．
次に，対象となる文を取ってこれをネットワークに「ずらした」形式で提示する，「教師強制」ネットワークを構築する．つまり，長さ26の文について，ネットが2から26までの文字についての予測ができるように，1から25までの文字を提示する．予測は，損失を生むために，CrossEntropyLossLayerを介して実際の文字と比較される．
このネットをもとのデータからの入力列について訓練する．
結果から予測チェーンを抽出する．
ここから1文字の予測チェーンを構築する．
予測子を検証する．
効率的にテキストを生成するためにNetStateObjectを作成する．
ネットワークが学んだ分布に基づいて200文字を生成する．生成されたテキストは英語と類似しているが，小さいコーパス（約2百万文字）で訓練されたために，単語の多くは英語ですらない．
約10億文字で訓練された同様のネットと比較する．
