inputSize = size(fea_selected,2); numHiddenUnits = 100; numClasses = 2; layers = [ ... sequenceInputLayer(inputSize) lstmLayer(numHiddenUnits,'OutputMode','last') fullyConnectedLayer(numClasses) softmaxLayer classificationLayer]; options = trainingOptions('adam', ... 'MaxEpochs',100, ... 'MiniBatchSize',16, ... 'ValidationData',{XTest,YTest}, ... 'ValidationFrequency',30, ... 'Plots','training-progress'); net = trainNetwork(XTrain,YTrain,layers,options);优化代码

首先，你可以尝试使用 GPU 来训练模型，这样可以加快训练速度。可以使用以下代码设置使用 GPU：

options = trainingOptions('adam', ...
    'ExecutionEnvironment','gpu', ...
    'MaxEpochs',100, ...
    'MiniBatchSize',16, ...
    'ValidationData',{XTest,YTest}, ...
    'ValidationFrequency',30, ...
    'Plots','training-progress');

其次，你可以尝试使用更高级的优化器，比如 ADAMW，它结合了 ADAM 和权重衰减，可以更好地控制模型的过拟合。可以使用以下代码设置使用 ADAMW：

options = trainingOptions('adamw', ...
    'ExecutionEnvironment','gpu', ...
    'MaxEpochs',100, ...
    'MiniBatchSize',16, ...
    'ValidationData',{XTest,YTest}, ...
    'ValidationFrequency',30, ...
    'Plots','training-progress');

最后，你可以尝试使用更深的模型，比如添加更多的 LSTM 层或全连接层。当然，更深的模型也需要更长的训练时间和更多的计算资源。