原文链接：http://tecdat.cn/?p=26318

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长进行分类。

视频LSTM神经网络架构和工作原理及其在Python中的预测

要训练深度神经网络对序列数据的每个时间步进行分类，可以使用 _序列对序列 LSTM 网络_。序列_对_序列 LSTM 网络使您能够对序列数据的每个单独时间步进行不同的预测。

此示例使用从佩戴在身上的智能手机获取的传感器数据。该示例训练 LSTM 网络，以在给定时间序列数据的情况下识别佩戴者的活动，这些数据表示三个不同方向的加速度计读数。训练数据包含七个时间序列数据。每个序列具有三个特征并且长度不同。数据集包含六个训练观察和一个测试观察。

加载序列数据

加载人类活动识别数据。该数据包含从佩戴在身上的智能手机获得的七个时间序列的传感器数据。每个序列具有三个特征并且长度不同。这三个特征对应于三个不同方向的加速度计读数。

XTrain

在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，并根据相应的活动为绘图着色。

figure
for j = 1:numel
    label = classes;
    idx = find
    hold on
    plot
end

---

点击标题查阅往期内容

Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类

左右滑动查看更多

01

02

03

04

定义 LSTM 网络架构

定义 LSTM 网络架构。将输入指定为大小为 3 的序列（输入数据的特征数）。指定一个具有 200 个隐藏单元的 LSTM 层，并输出完整的序列。最后，通过包括一个大小为 5 的全连接层，然后是一个 softmax 层和一个分类层来指定五个类。

layers = \[ ...
    seuenceutLaer
    lsmLyer
    fulyCnectdyer
    sotmLyer
    clssfcainLyr\];

指定训练选项。将求解器设置为 'adam'。训练 60 个 epoch。

使用指定的训练选项训练 LSTM 网络 trainNetwork。每个 mini-batch 包含整个训练集，因此每个 epoch 更新一次图。序列很长，因此处理每个小批量和更新绘图可能需要一些时间。

测试 LSTM 网络

加载测试数据并在每个时间步进行分类。

加载测试数据。 XTest 包含一个维度为 3 的单个序列。  YTest is 包含与每个时间步相对应的分类标签序列。

figure
plot
xlabel
legend
title

使用对测试数据进行分类 。

YPrd = clssif;

或者，您可以使用 一次进行一个时间步长的预测 。通常，与一次一个时间步进行预测相比，对完整序列进行预测会更快。

计算预测的准确性。

ac = sum(YPrd == YTst{1})./nul(YTs{1})

使用绘图将预测与测试数据进行比较。

plot
hold on
plot
hold off

---

---

点击文末“阅读原文”

获取全文完整资料。

本文选自《MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类》。

点击标题查阅往期内容

Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类

Python中利用长短期记忆模型LSTM进行时间序列预测分析 - 预测电力负荷数据

【视频】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享

RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测

结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析

深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据

用PyTorch机器学习神经网络分类预测银行客户流失模型

PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据

Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化

Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析

R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告

R语言深度学习：用keras神经网络回归模型预测时间序列数据

Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类

R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST）

MATLAB中用BP神经网络预测人体脂肪百分比数据

Python中用PyTorch机器学习神经网络分类预测银行客户流失模型

R语言实现CNN（卷积神经网络）模型进行回归数据分析

SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型

【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析

Python使用神经网络进行简单文本分类

R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析

R语言基于递归神经网络RNN的温度时间序列预测

R语言神经网络模型预测车辆数量时间序列

R语言中的BP神经网络模型分析学生成绩

matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类

R语言实现拟合神经网络预测和结果可视化

用R语言实现神经网络预测股票实例

使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测

python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译

用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类