matlab函数库lstm,matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类

本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对序列数据进行分类，可以使用LSTM网络。LSTM网络使您可以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。

本示例使用日语元音数据集。此示例训练LSTM网络来识别给定时间序列数据的说话者，该时间序列数据表示连续讲话的两个日语元音。训练数据包含九位发言人的时间序列数据。每个序列具有12个特征，并且长度不同。数据集包含270个训练观察和370个测试观察。

加载序列数据

加载日语元音训练数据。 XTrain 是包含长度可变的维度12的270个序列的单元阵列。 Y 是标签“

1”，“ 2”，...，“

9”的分类向量，分别对应于九个扬声器。中的条目 XTrain 是具有12行(每个要素一行)和不同列数(每个时间步长一列)的矩阵。

XTrain(1:5)

ans=5×1 cell array

{12x20 double}

{12x26 double}

{12x22 double}

{12x20 double}

{12x21 double}

可视化图中的第一个时间序列。每行对应一个特征。

figure

plot(Train')

xlabel("时间步长")

title("训练样本 1")

numFeatures = size(XTrain{1},1);

legend("特征 "