python代码实现LSTM

以下是一个简单的LSTM实现，使用Keras库：

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

# 数据集
data = np.array([[0.1, 0.2, 0.3], [0.2, 0.3, 0.4], [0.3, 0.4, 0.5], [0.4, 0.5, 0.6], [0.5, 0.6, 0.7]])

# 定义模型
model = Sequential()
model.add(LSTM(4, input_shape=(3, 1)))
model.add(Dense(1, activation='linear'))
model.compile(loss='mse', optimizer='adam')

# 训练模型
model.fit(data.reshape(5, 3, 1), np.array([0.4, 0.5, 0.6, 0.7, 0.8]), epochs=1000, verbose=0)

# 预测
result = model.predict(np.array([[0.6, 0.7, 0.8]]).reshape(1, 3, 1))
print(result)

这个例子中，我们使用了一个包含三个时间步的数据集，模型输入形状为 (3, 1)。LSTM层有4个神经元。我们训练模型来预测序列的下一个值。在这个例子中，我们使用了线性激活函数和均方误差损失函数。最后，我们预测了一个新的值并打印出来。