使用深度学习进行序列分类

目录

加载序列数据

准备要填充的数据

定义 LSTM 网络架构

训练 LSTM 网络

测试 LSTM 网络

---

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。

        要训练深度神经网络以对序列数据进行分类，可以使用 LSTM 网络。LSTM 网络允许您将序列数据输入网络，并根据序列数据的各个时间步进行预测。

        此示例使用 Waveform 数据集。此示例训练 LSTM 网络来识别给定时间序列数据的波形类型。训练数据包含四种波形的时间序列数据。每个序列有三个通道，且长度不同。

加载序列数据

        从 WaveformData 加载示例数据。序列数据是序列的 numObservations×1 元胞数组，其中 numObservations 是序列数。每个序列都是一个 numChannels×-numTimeSteps 数值数组，其中 numChannels 是序列的通道数，numTimeSteps 是序列的时间步数。标签数据是 numObservations×1 分类向量。

load WaveformData 

        在绘图中可视化一些序列。

numChannels = size(data{1},1);

idx = [3 4 5 12];
figure
tiledlayout(2,2)
for i = 1:4
    nexttile
    stackedplot(data{idx(i)}',DisplayLabels="Channel "+string(1:numChannels))
    
    xlabel("Time Step")
    title("Class: " + string(labels(idx(i))))
end

如图所示：

        留出测试数据。将数据划分为训练集（包含 90% 数据）和测试集（包含其余 10% 数据）。要划分数据，请使用 trainingPartitions 函数，此函数作为支持文件包含在此示例中。要访问此文件，请以实