资源简介
深度神经网络LSTM处理序列分类问题的应用,LSTM——Long Short Term Memory Networks 长短期记忆神经网络。
![](http://www.nz998.com/pic/61481.jpg)
代码片段和文件信息
[XTrainYTrain]=japaneseVowelsTrainData;
XTrain(1:5)
figure
plot(XTrain{1}‘)
xlabel(“Time Step“);
title(“Training Observation 1“)
legend(“Feature“+string(1:12)‘Location‘‘northeastoutside‘)
%prepare data for padding 填充
%get the sequence lengths for each observation
numObservations = numel(XTrain);
for i=1:numObservations
sequence=XTrain{i};
sequenceLengths(i)=size(sequence2);
end
% sort by sequence lengths
[sequenceLengthsidx]=sort(sequenceLengths);
XTrain=XTrain(idx);
YTrain=YTrain(idx);
% view the sorted sequence in a bar chart
figure
bar(sequenceLengths)
ylim([0 30])
xlabel(“Sequence“)
ylabel(“Length“)
title(“Sorted Data“)
% minibatch
miniBatchSize=27;
%define LSTM network architecture
inputSize=12;
numHiddenUnits=100;
numClasses=9;
layers=[...
sequenceInputlayer(inputSize)
bilstmlayer(numHiddenUnits‘OutputMode‘‘last‘)
fullyConnectedlayer(numClasses)
softmaxlayer
classificationlayer
]
% training options
maxEpochs=100;
miniBatchSize=27;
options=trainingOptions(‘adam‘...
‘ExecutionEnvironment‘‘cpu‘...
‘GradientThreshold‘1...
‘MaxEpochs‘maxEpochs...
‘MinibatchSize‘miniBatchSize...
‘SequenceLength‘‘longest‘...
‘Shuffle‘‘never‘...
‘Verbose‘0...
‘Plots‘‘training-progress‘);
% train LSTM network
net=trainNetwork(XTrainYTrainlayersoptions);
% test LSTM network
% load the test data
[XTestYTest]=japaneseVowelsTestData;
XTest(1:3)
%
numObservationsTest = numel(XTest);
for i=1:numObservationsTest
sequence = XTest{i};
sequenceLengthsTest(i)=size(sequence2);
end
[sequenceLengthsTestidx]=sort(sequenceLengthsTest);
XTest=XTest(idx);
YTest=YTest(idx);
% classify the test data
miniBatchSize =27;
YPred=classify(netXTest...
‘MiniBatchSize‘miniBatchSize...
‘SequenceLength‘‘longest‘);
acc=sum(YPred==YTest)./numel(YTest)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2019-02-28 22:12 LSTM for sequence classification\
文件 1939 2019-03-01 08:47 LSTM for sequence classification\BiLSTM.m
- 上一篇:la
yer最新(兼容ie8) - 下一篇:Arduino多任务同时进行.rar
相关资源
- 混沌时间序列分析工具箱
- 基于双向LSTM+tensorflow中文分词
- 最优滤波理论及其应用 现代时间序列
- 时间序列分析 汉密尔顿 高清扫描PD
- 深度学习框架下LSTM网络在短期电力负
- 用RNN与LSTM网络原理进行唐诗生成.ta
- 基于深度神经网络的用户会话推荐算
- 非线性时间序列分析 Nonlinear Time Ser
- 时间序列分析 ARIMA
- LSTMandRNN.zip
- HyPhy2.2.4.exe
- 时间序列分析 sas
- 天池大数据竞赛LSTM预测算法分享
- 时间序列分析及应用R语言原书第二版
- 时间序列分析-高阶统计量方法
- RNN与LSTM详解ppt
- 《应用时间序列分析》 王燕 课后习题
- 基于BLSTM-Attention-CRF模型的新能源汽车
- Understanding LSTM Networks
- 基于R语言的时间序列分析以及garch模
- 数学建模中的预测方法:时间序列分
- 递归神经网络RNN与LSTM
- LSTM多变量预测
- 动态数据处理-时间序列分析
- 基于深度神经网络的语音分离算法
- 卡尔曼滤波与维纳滤波 现代时间序列
- 何书元应用时间序列分析答案.pdf
- Forecasting: principles and practice
- Analysis of Financial Time Series
- 时间序列分析——高阶统计量方法-张
评论
共有 条评论