matlab代码 LSTM 实现分类 实例

这是一个简单的 MATLAB 代码示例，演示如何使用 LSTM（长短时记忆）神经网络来进行分类。

首先，我们需要准备一些训练数据和测试数据。在这个例子中，我们将使用一个人工制造的数据集，其中包含两个类别的数据点。

% 生成一些训练数据和测试数据
train_data = [randn(100,2)+2; randn(100,2)-2];
train_labels = [ones(100,1); zeros(100,1)];
test_data = [randn(50,2)+2; randn(50,2)-2];
test_labels = [ones(50,1); zeros(50,1)];

接下来，我们将定义 LSTM 神经网络模型。在这个例子中，我们将使用 2 个 LSTM 层和一个全连接层来进行分类。我们还需要定义一些超参数，例如网络的隐藏单元数量、学习率、训练次数等。

% 定义 LSTM 神经网络模型
num_hidden_units = 10;
learning_rate = 0.01;
num_epochs = 100;

layers = [
    sequenceInputLayer(2)
    lstmLayer(num_hidden_units,'OutputMode','last')
    lstmLayer(num_hidden_units,'OutputMode','last')
    fullyConnectedLayer(1)
    sigmoidActivationLayer
    regressionLayer];

options = trainingOptions('adam', ...
    'MaxEpochs', num_epochs, ...
    'MiniBatchSize', 32, ...
    'InitialLearnRate', learning_rate, ...
    'GradientThreshold', 1, ...
    'Shuffle', 'every-epoch', ...
    'Plots','training-progress');

现在，我们可以使用 `trainNetwork` 函数来训练模型。训练过程中，我们将使用训练数据来更新模型的参数。

% 训练 LSTM 神经网络模型
net = trainNetwork(train_data', train_labels', layers, options);

训练完成后，我们可以使用 `classify` 函数来对测试数据进行分类，并计算分类准确率。

% 对测试数据进行分类并计算准确率
test_predictions = classify(net, test_data');
accuracy = sum(test_predictions == test_labels') / numel(test_labels);
fprintf('测试准确率：%.2f%%\n', accuracy * 100);

完整代码如下：

% 生成一些训练数据和测试数据
train_data = [randn(100,2)+2; randn(100,2)-2];
train_labels = [ones(100,1); zeros(100,1)];
test_data = [randn(50,2)+2; randn(50,2)-2];
test_labels = [ones(50,1); zeros(50,1)];

% 定义 LSTM 神经网络模型
num_hidden_units = 10;
learning_rate = 0.01;
num_epochs = 100;

layers = [
    sequenceInputLayer(2)
    lstmLayer(num_hidden_units,'OutputMode','last')
    lstmLayer(num_hidden_units,'OutputMode','last')
    fullyConnectedLayer(1)
    sigmoidActivationLayer
    regressionLayer];

options = trainingOptions('adam', ...
    'MaxEpochs', num_epochs, ...
    'MiniBatchSize', 32, ...
    'InitialLearnRate', learning_rate, ...
    'GradientThreshold', 1, ...
    'Shuffle', 'every-epoch', ...
    'Plots','training-progress');

% 训练 LSTM 神经网络模型
net = trainNetwork(train_data', train_labels', layers, options);

% 对测试数据进行分类并计算准确率
test_predictions = classify(net, test_data');
accuracy = sum(test_predictions == test_labels') / numel(test_labels);
fprintf('测试准确率：%.2f%%\n', accuracy * 100);