使用深度学习进行“序列到序列”分类

目录

加载序列数据

定义 LSTM 网络架构

测试 LSTM 网络

---

        此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步进行分类。

        要训练深度神经网络以对序列数据的每个时间步进行分类，可以使用“序列到序列”LSTM 网络。通过“序列到序列”LSTM 网络，可以对序列数据的每个时间步进行不同预测。

        此示例使用从佩戴在身体上的智能手机获得的传感器数据。该示例训练一个 LSTM 网络，旨在根据表示三个不同方向上的加速度计读数的时间序列数据来识别佩戴者的活动。训练数据包含七个人的时间序列数据。每个序列有三个特征，且长度不同。该数据集包含六个训练观测值和一个测试观测值。

加载序列数据

        加载人体活动识别数据。该训练数据包含从佩戴在身上的智能手机获得的六个序列的传感器数据。每个序列有三个特征，且长度不同。这三个特征对应于三个不同方向上的加速度计读数。

load HumanActivityTrain
XTrain
XTrain=6×1 cell array
    {3×64480 double}
    {3×53696 double}
    {3×56416 double}
    {3×50688 double}
    {3×51888 double}
    {3×54256 double}

        在绘图中可视化一个训练序列。绘制第一个训练序列的第一个特征，并按照对应的活动为绘图着色。

X = XTrain{1}(1,:);
classes = categories(YTrain{1});

figure
for j = 1:numel(classes)
    label =