MATLAB LSTM 多输入多输出

MATLAB中的LSTM (Long Short-Term Memory) 是一种用于处理序列数据的深度学习神经网络模型，特别适合于时间序列预测、文本生成等任务。当涉及到多输入或多输出的情况时，你可以将不同的输入变量作为LSTM网络的不同输入流（Input Layers），每个输入流可以独立地通过各自的时间步进行处理。

多输入LSTM模型的工作原理是这样的：
1. **输入层**：你可以有多个输入层，每层接收不同类型的数据，如特征向量、词嵌入或其他形式的序列信息。
2. **合并层**：如果需要，可以在输入层之间添加一层或多层合并层，比如concatenate layer，将所有输入合并成一个单一的输入。
3. **LSTM单元**：每个输入流会传递给单独的LSTM单元，它们负责捕获长期依赖性并学习如何融合来自不同输入的信息。
4. **输出层**：对于多输出情况，你可以设置多个输出层，分别对应不同的目标变量，每个LSTM单元的输出会被馈送到相应的输出层进行处理。

**示例代码片段**（简化版）：

input1 = ...; % 第一输入序列
input2 = ...; % 第二输入序列

% 创建LSTM模型
lstmLayer = lstmLayer(numHiddenUnits, 'OutputMode', 'last'); % numHiddenUnits是隐藏单元的数量

% 合并输入
mergedInputs = [input1 input2];

% 定义模型结构
net = feedforwardnet([lstmLayer fullyConnectedLayer(numOutputs)]); % numOutputs是输出节点数
net.inputs{1}.Size = size(mergedInputs, 2);
net.layers(1).InputNames = {'input1', 'input2'}; % 显示输入名称

% 训练模型
[trainedNet, history] = train(net, mergedInputs, targets);