LSTM MATLAB範例

以下是一个简单的 LSTM MATLAB 示例，用于预测时间序列数据。

% 加载数据
load sunspots
sunspots = double(sunspots);

% 划分训练集和测试集
train_data = sunspots(1:264);
test_data = sunspots(265:end);

% 创建 LSTM 网络
num_features = 1;
num_hidden_units = 200;
layers = [ ...
    sequenceInputLayer(num_features)
    lstmLayer(num_hidden_units,'OutputMode','last')
    fullyConnectedLayer(1)
    regressionLayer];
options = trainingOptions('adam', ...
    'MaxEpochs',100, ...
    'MiniBatchSize',24, ...
    'InitialLearnRate',0.005, ...
    'LearnRateSchedule','piecewise', ...
    'LearnRateDropFactor',0.2, ...
    'LearnRateDropPeriod',50, ...
    'GradientThreshold',1, ...
    'Shuffle','once', ...
    'Verbose',0, ...
    'Plots','training-progress');

% 训练 LSTM 网络
XTrain = train_data(1:end-1);
YTrain = train_data(2:end);
net = trainNetwork(XTrain,YTrain,layers,options);

% 预测测试集数据
XTest = test_data(1:end-1);
YTest = test_data(2:end);
YPred = predict(net,XTest);

% 可视化预测结果
figure
plot(YTest)
hold on
plot(YPred)
xlabel('Time')
ylabel('Sunspots')
legend('Observed','Predicted')

此示例使用太阳黑子数据集进行训练和测试，创建了一个具有200个隐藏单元的 LSTM 网络，并使用 Adam 优化算法进行训练。最终预测结果可以通过可视化观察来评估模型的性能。