matlab LSTM序列分类的官方示例

matlab版本是2018b及其以上。

%%
%加载序列数据
%数据描述：总共270组训练样本共分为9类，每组训练样本的训练样个数不等，每个训练训练样本由12个特征向量组成，
[XTrain,YTrain] = japaneseVowelsTrainData;
%数据可视化
figure
plot(XTrain{1}')
xlabel("Time Step")
title("Training Observation 1")
legend("Feature " + string(1:12),'Location','northeastoutside')
%%
%LSTM可以将分组后等量的训练样本进行训练，从而提高训练效率
%如果每组的样本数量不同，进行小批量拆分，则需要尽量保证分块的训练样本数相同
%首先找到每组样本数和总的组数
numObservations = numel(XTrain);
for i=1:numObservationssequence = XTrain{i};sequenceLengths(i) = size(sequence,2);
end
%绘图前后排序的各组数据个数
figure
subplot(1,2,1)
bar(sequenceLengths)
ylim([0 30])
xlabel("Sequence")
ylabel("Length")
title("Sorted Data")
%按序列长度对测试数据进行排序
[sequenceLengths,idx] = sort(sequenceLengths);
XTrain = XTrain(idx);
YTrain = YTrain(idx);
subplot(1,2,2)
bar(sequenceLengths)
ylim([0 30])
xlabel("Sequence")
ylabel("Length")
title("Sorted Data")%%
%设置LSTM训练数据的小批量分组个数
miniBatchSize = 27;%%
%定义LSTM网络架构：
%将输入大小指定为序列大小 12（输入数据的维度）
%指定具有 100 个隐含单元的双向 LSTM 层，并输出序列的最后一个元素。
%指定九个类，包含大小为 9 的全连接层，后跟 softmax 层和分类层。
inputSize = 12;
numHiddenUnits = 100;
numClasses = 9;layers = [ ...sequenceInputLayer(inputSize)bilstmLayer(numHiddenUnits,'OutputMode','last')fullyConnectedLayer(numClasses)softmaxLayerclassificationLayer]%%
%指定训练选项：
%求解器为 'adam'
%梯度阈值为 1，最大轮数为 100。
% 27 作为小批量数。
%填充数据以使长度与最长序列相同，序列长度指定为 'longest'。
%数据保持按序列长度排序的状态，不打乱数据。
% 'ExecutionEnvironment' 指定为 'cpu'，设定为'auto'表明使用GPU。maxEpochs = 100;
miniBatchSize = 27;options = trainingOptions('adam', ...'ExecutionEnvironment','cpu', ...'GradientThreshold',1, ...'MaxEpochs',maxEpochs, ...'MiniBatchSize',miniBatchSize, ...'SequenceLength','longest', ...'Shuffle','never', ...'Verbose',0, ...'Plots','training-progress');%%
%训练LSTM网络
net = trainNetwork(XTrain,YTrain,layers,options);%%
%测试LSTM网络
%加载测试集
[XTest,YTest] = japaneseVowelsTestData;%由于LSTM已经按照相似长度的小批量分组27，测试需要按照相同方式对数据进行排序处理。
numObservationsTest = numel(XTest);
for i=1:numObservationsTestsequence = XTest{i};sequenceLengthsTest(i) = size(sequence,2);
end
[sequenceLengthsTest,idx] = sort(sequenceLengthsTest);
XTest = XTest(idx);
YTest = YTest(idx);%使用classify进行分类，指定小批量大小27，指定组内数据按照最长的数据填充
miniBatchSize = 27;
YPred = classify(net,XTest, ...'MiniBatchSize',miniBatchSize, ...'SequenceLength','longest');
%计算分类准确度
acc = sum(YPred == YTest)./numel(YTest)

matlab LSTM序列分类的官方示例相关推荐

matlab中如何创建网络,使用深度网络设计器创建简单的序列分类网络
加载数据按照 [1] 和 [2] 中的说明加载日语元音数据集.预测变量是包含不同长度序列的元胞数组,特征维度为 12.标签是由标签 1.2.....9 组成的分类向量. [XTrain,YTrain ...
dna序列分类数学建模matlab,数学建模DNA序列分类模型(终稿).doc
您所在位置:网站首页 > 海量文档 &nbsp>&nbsp高等教育&nbsp>&nbsp生物学数学建模DNA序列分类模型(终稿).doc32页本文 ...
基于LSTM三分类的文本情感分析，采用LSTM模型，训练一个能够识别文本postive, neutral, negative三种
基于LSTM三分类的文本情感分析,采用LSTM模型,训练一个能够识别文本postive, neutral, negative三种 ,含数据集可直接运行完整代码下载地址:基于LSTM三分类的文本情感分 ...
【LSTM时间序列数据】基于matlab LSTM时间序列数据预测【含Matlab源码 1949期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[LSTM时间序列数据]基于matlab LSTM时间序列数据预测[含Matlab源码 1949期] 获取代码方式2: 付费专栏Matla ...
NLP学习（十三）-NLP实战之LSTM三分类文本情感分析-tensorflow2+Python3
背景介绍文本情感分析作为NLP的常见任务,具有很高的实际应用价值.本文将采用LSTM模型,训练一个能够识别文本postive, neutral, negative三种情感的分类器. 本文的目的是快速 ...
如何添加 implementation_如何用序列分类方式进行法律要素与当事人关联性分析 | 机器之心...
在智慧司法领域中,针对法律裁判文书的分析和挖掘已经成为计算法学的研究热点.目前公开的裁判文书资料大都以长篇文本的形式出现,内容主要包含案号.当事人.案由.审理过程.裁判结果.判决依据等,篇幅较长.表述 ...
lstm 文本分类_带有lstm和单词嵌入的灾难推文上的文本分类
lstm 文本分类 This was my first Kaggle notebook and I thought why not write it on Medium too? Ť他是我第一次Kag ...
人工智能框架实战精讲：Keras项目-英文语料的DNN、Word2Vec、CNN、LSTM文本分类实战与调参优化
Keras项目-英文语料的文本分类实战一.机器学习模型 1.1 数据简介 1.2 数据读取与预处理 1.3 数据切分与逻辑回归模型构建二.全连接神经网络模型 2.1 模型训练 2.2 模型结果展示 ...
MATLAB | MATLAB不会画图？官方团队来教你
让我看看是哪个小傻瓜还没用过MATLAB官方gallery,常见的图直接MATHWORKS搜索一下就能找到,一些有意思的组合图,以及一些特殊属性的设置MATHWORKS官方是有专门去整理的,虽然一些很 ...

matlab LSTM序列分类的官方示例

matlab LSTM序列分类的官方示例相关推荐

最新文章

热门文章