从MATLAB2018a开始,增加了LSTM神经网络工具箱。
上图将时序数据分类为categorical(0)或categorical(1),每一行代码解释如下:
该时序数据每一个时刻都是一个11维的列向量,隐藏层节点为270,分为两类0或1;
构造的网络层为:
序列输入层(参数为列向量维数);
LSTM层(参数为隐层节点,"outputmode"用来选择sequence to sequence 还是sequence to one);
全连接层(参数是分类种类,这里是0或1,所以是2);
softmax层(因为我们做的是分类,不是回归,所以要用softmax输出各类的概率,如果是做回归,就不需要加softmax层了);
全连接层(用于输出最后的分类结果)。
训练的次数epoch选择30次(即要用训练集中的所有数据,训练30次来求取网络参数,假设我们的训练集中有200组时序数据);
batchsize选择27,(即每次选择训练集中的27组时序数据进行一轮迭代iteration更新网络参数,那么我们可以算出每完成一次epoch,要进行200/27=7次iteration,剩下的11组数据当然被丢弃了);