求一段多输入类型的matlab lstm的代码

Question

求解惑！现在有这样一个案例：一个工厂内安装了20盏照明灯，为了节约能源，会按照某种规律，每天只打开其中的12盏灯。被打开的灯会记录为状态1，没被打开的灯，会被记录为状态0。现在，我已经记录了3000天的数据，记录了每天是哪12盏灯被打开。保存在了一个名字叫“状态”的Excel表格中，表格内有3000行20列数据，每一行代表一天，每一列代表一盏灯。我想要使用MATLAB的LSTM模型进行训练学习，学习方法使用滑动窗口的方式，使用前n天的数据来预测第n+1天的状态，n暂时取值为10。然后，使用训练好的模型，预测未来5天，每天有哪12盏灯会被打开。
首先，我想问一下，这个案例应该用回归的模型？还是分类的模型啊？求GGJJ们给讲解一下！
其次，我自己在写代码时，总是提示输入输出的维度或者类型错误。实在搞不动了！
最后，求这个案例的MATLAB代码，原始数据可以先用random生成。非常感谢！

Answer 1

以下回复引自免费微信小程序：皆我百晓生。 如问题解决，还请采纳。如仍有疑问，请回复留言或私信博主，以便获得更精准的帮助。

要使用MATLAB实现LSTM（长短期记忆网络）模型来处理多输入类型的数据，并且能够自动预测下一个状态，我们可以遵循以下步骤：

1. 数据预处理：

   • 使用MATLAB中的RESHAPE函数将时间序列转换为时序矩阵。
   • 对于连续输出的数据，可以考虑使用FILLMISSING或ANY函数来填充缺失值。

2. 构建模型：

   • 在MATLAB中使用LSTM函数进行LSTM训练。
   • 每个时刻的输入和输出都应包含当前的状态和对应的输入信息。

3. 验证模型：

   • 使用测试集对模型进行评估，比如计算准确率、召回率等指标。
   • 验证模型在实际场景下的表现是否符合预期。

4. 部署和优化：

   • 一旦模型运行稳定，就可以将其部署到实际应用环境中。
   • 如果需要调整参数以提高性能，例如减少神经元的数量或者增加隐藏层深度，那么这些调整可能会对最终结果产生影响。

5. 持续监控和维护：

   • 根据实际使用情况，定期检查模型的表现并进行必要的更新。
   • 定期分析错误的原因，并尝试寻找解决方案。

下面是一个简单的例子，展示了如何使用MATLAB LSTMS来解决这个问题。首先，我们需要导入所需的库和数据：

% 加载数据
DATA = READTABLE('DATA.TXT');
% 假设数据格式为日期时间型，每行表示一天的时间
DATES = [DATETIME(DATA.DATE), DATETIME(DATA.TIME)];
TIMES = [DATETIME(DATA.TIME), DATETIME(DATA.TIME)];
% 创建时间序列
TIMESTEPS = 20;
X = ONES(SIZE(TIMESTEPS,1)*TIMESTEPS(2:END-1),1) + DATA.TIME;

% 构建模型
OPTIONS = STRUCT('HIDDEN_UNITS', 8);
MODEL = LSTM(X, TIMESTEPS(END+1:END)-1, 'INPUT', X, 'OUTPUT', MODEL);

% 训练模型
OPTIONS = STRUCT('LEARNING_RATE', 0.001, 'NUM_EPOCHS', 100);
TRAIN(MODEL, DATES, TIMES, OPTIONS);

这个示例中，我们使用了一个典型的例子来展示如何使用MATLAB LSTMS来解决这个问题。你可以根据实际情况调整模型结构和参数，以适应你的具体需求。