使用MATLAB提供了Deep Learning Toolbox的lstm进行脑电数据二分类的示例

下面是一个简单的使用MATLAB Deep Learning Toolbox中的LSTM网络进行脑电数据二分类的示例：

% 加载数据
load eegdata

% 将数据划分为训练集和测试集
numObservations = size(X,2);
idx = randperm(numObservations);
numTrain = floor(0.7*numObservations);
idxTrain = idx(1:numTrain);
idxTest = idx(numTrain+1:end);
XTrain = X(:,idxTrain,:);
YTrain = categorical(Y(idxTrain));
XTest = X(:,idxTest,:);
YTest = categorical(Y(idxTest));

% 创建LSTM网络
numFeatures = size(XTrain,1);
numClasses = numel(categories(YTrain));
numHiddenUnits = 100;
layers = [ ...
    sequenceInputLayer(numFeatures)
    lstmLayer(numHiddenUnits,'OutputMode','last')
    fullyConnectedLayer(numClasses)
    softmaxLayer
    classificationLayer];

% 配置LSTM网络的训练选项
options = trainingOptions('adam', ...
    'MaxEpochs', 30, ...
    'MiniBatchSize', 64, ...
    'InitialLearnRate', 0.01, ...
    'LearnRateSchedule','piecewise', ...
    'LearnRateDropFactor', 0.1, ...
    'LearnRateDropPeriod', 10, ...
    'Shuffle','every-epoch', ...
    'ValidationData',{XTest,YTest}, ...
    'ValidationFrequency',30, ...
    'Verbose',false, ...
    'Plots','training-progress');

% 训练LSTM网络
net = trainNetwork(XTrain,YTrain,layers,options);

% 使用测试集评估训练好的LSTM网络
YPred = classify(net,XTest);

% 计算分类准确率
accuracy = sum(YPred == YTest)/numel(YTest);
fprintf('分类准确率为 %.2f%%\n',accuracy*100);

在此示例中，我们加载了脑电数据，并将其划分为训练集和测试集。然后，我们创建了一个简单的LSTM网络，使用Adam优化器训练了30个epoch，并使用测试集评估了网络。最后，我们计算了分类准确率。请注意，此示例仅用于演示如何使用LSTM网络进行脑电数据分类，实际上，您可能需要更复杂的网络结构和更多的训练数据来获得更好的分类性能。