加载佩带的单词嵌入

数据存储textdatastore.需要嵌入单词以将文档转换为向量序列。加载嵌入使用的预磨词fasttextwordembeddings.。此功能需要文本分析工具箱™模型对于FastText英语160亿令牌字嵌入万博1manbetx支持包。如果未安装此支持万博1manbetx包，则该函数提供了下载链接。

emb = fasttextwordembedding;

创建文档的迷你批量数据存储

创建包含培训数据的数据存储。自定义迷你批处理数据存储textdatastore.从CSV文件中读取预测器和标签。对于预测器，数据存储区将文档转换为单词索引和响应的序列，数据存储返回每个文档的分类标签。

要创建数据存储，请首先保存自定义迷你批处理数据存储textdatastore.m.到了路径。有关创建自定义迷你批处理数据存储的详细信息，请参阅开发自定义迷你批处理数据存储（深度学习工具箱）。

对于培训数据，请指定CSV文件“factoryreports.csv”并且该文本和标签位于列中“描述”和“类别”分别。

Filenametrain =.“factoryreports.csv”;TextName =.“描述”;labelName =.“类别”;dstrain = textdataStore（filenametrain，textname，labelname，mem）

Dstrain =具有属性的TextDataStore：ClassNames：[“电子失败”“泄漏”“机械故障”“软件故障”]数据存储：[1×1 matlab.io.datastore.TransformedDataStore] EmbeddingDimension：300 LabelName：“类别”小型匹配：128numcrasses：4 numobservations：480

创建和训练LSTM网络

定义LSTM网络架构。要将序列数据输入网络，请包括序列输入层并将输入大小设置为嵌入尺寸。接下来，包括具有180个隐藏单元的LSTM层。要使用LSTM层进行序列到标签分类问题，请将输出模式设置为'最后的'。最后，将具有等于类别的输出大小的完全连接的图层，Softmax层和分类层。

numfeatures = dstrain.embedddingdimensile;numhidendunits = 180;numclasses = dstrain.numclasses;层= [......sequenceInputlayer（numfeatures）lstmlayer（numhidentunits，'OutputMode'那'最后的'）全连接列（numclasses）softmaxlayer分类层];

指定培训选项。指定求解器'亚当'和渐变阈值为2.数据存储textdatastore.m.不支持洗牌，所以设万博1manbetx置'洗牌'， 至'绝不'。有关如何实现数据存储的示例，并支持支持Shuffling，请参阅万博1manbetx开发自定义迷你批处理数据存储（深度学习工具箱）。要监控培训进度，请设置'plots'选择'培训 - 进步'。要抑制详细输出，请设置'verbose'至错误的。

默认，Trainnetwork.如果有一个可用的，则使用GPU。要手动指定执行环境，请使用'executionenvironment'名称 - 值对参数培训选项。CPU培训可能比GPU培训显着更长。使用GPU的训练需要并行计算工具箱™和支持的GPU设备。万博1manbetx有关支持设备的信息，请参阅万博1manbetx。

minibatchsize = 128;numobservations = dstrain.numobservations;numiterationsperepoch = bloor（numobservations / minibatchsize）;选项=培训选项（'亚当'那......'minibatchsize'，小匹马，......'gradientthreshold'2，......'洗牌'那'绝不'那......'plots'那'培训 - 进步'那......'verbose'，错误的）;

使用该网络训练LSTM网络Trainnetwork.功能。

net = trainnetwork（dstrain，图层，选项）;

使用新数据预测

对三个新报告的事件类型进行分类。创建包含新报告的字符串数组。

eportsnew = [“冷却液在分拣机下面汇集。”“分拣机在启动时吹熔断。”“汇编者有一些非常响亮的嘎嘎声的声音。”];

使用预处理步骤作为数据存储的预处理预处理文本数据textdatastore.m.。

文档= tokenizeddocument（eportsnew）;文件=较低（文件）;文件=侵蚀（文件）;预测器= doc2sequence（mem，文件）;

使用培训的LSTM网络对新序列进行分类。

Labelsnew =分类（网络，预测器）

Labelsnew =3×1分类泄漏电子故障机械故障