音声分類子を訓練する
この例では，単純なニューラルネットワークを音声分類のためにどのように訓練するか，またこれを使って音声特徴をどのように抽出するかを示す．
さまざまな話者による0から9までの数字の発音の録音と，そのラベルおよび話者IDからなる"Spoken Digit Commands"データ集合をResourceDataから入手する．
音声データの初期符号化は画像データのそれよりも，より複雑でより重要である．音声には，ベクトル列に基づいた信号の圧縮表現を作成する"AudioMFCC"を含むさまざまな符号化アルゴリズムが使用できる．
積み重ねたGatedRecurrentLayerに基づいて分類ネットワークを定義する．NetBidirectionalOperatorを使って層を双方向にし，シーケンスを両方向に読んで結果を繋ぎ合せることができる．回帰の最終状態はSequenceLastLayerで取り出すことができる．
NetTrainを使ってネットを訓練する．データの5%は検証のために残しておく．
最終ネットを検証集合からの例で評価する．
NetMeasurementsを使って検証集合について確度を計算する．
このネットは，最後の分類層を削除すると，高レベルの特徴抽出器として使うことができる．
抽出器を使って新たなモデルを少量のデータで非常に素早く訓練することができる．例として，たった50個の訓練例しか使わずにClassifyで新たな分類子を訓練する．
この分類子の性能情報を入手する．
