[问题]如何在多元多步问题上应用'predictAndUpdateState' ?

13次观看(过去30天)

显示旧注释

穆罕默德Nedal 2020年7月3日

1
链接

直接链接到这个问题

//www.tianjin-qmedu.com/matlabcentral/answers/559136-issue-how-can-i-apply-predictandupdatestate-on-a-multivariate-multistep-problem

回答: 拓李2022年5月27日

你好,

我有这个代码下面(也附上了一个多变量LSTM神经网络模型的数据样本)。

我试图修改它来预测未来的新步骤，但我得到了这个错误:

                         转换从单元格复制是不可能的。
                        
                         错误在lstm_multi_films中(第82行)
                        
                         [net, Yforecast(:，i)] = predictAndUpdateState(net, XTest(:，i)，“ExecutionEnvironment”，“cpu”）;

我试着修改这条线

                         [net, Yforecast(:，i)] = predictAndUpdateState(net, XTest(:，i)，“ExecutionEnvironment”，“cpu”）;
                        

来

                         [net, Yforecast(:，i)] = predictAndUpdateState(net, XTest{:，i}，“ExecutionEnvironment”，“cpu”）;
                        

但我得到了一个不同的错误:

                         指数位置2超过数组边界(不能超过389)。
                        
                         错误在lstm_multi_films中(第82行)
                        
                         [net, Yforecast(:，i)] = predictAndUpdateState(net, XTest{:，i}，“ExecutionEnvironment”，“cpu”）;

你能告诉我怎么修吗?

下面是代码:

                         多元多步LSTM NN模型
                        
                         % From: Marcelo Olmedo—MathWorks |编辑:Mohamed Nedal
                        
                         关闭所有；清晰;clc
                        
                         %%导入数据
                        
                         [~，~，data_train] = xlsread(“ET_1.xlsx”）;
                        
                         Data_mat_train = cell2mat(data_train);
                        
                         XTrain = (data_mat_train(:， 4:8))';
                        
                         YTrain = (data_mat_train(:， 3))';
                        
                         XTrain = num2cell(XTrain, 1);
                        
                         YTrain = num2cell(YTrain, 1);
                        
                         miniBatchSize = 1;% 1预测器序列
                        
                         定义网络架构
                        
                         numResponses = size(YTrain{1}， 1);
                        
                         featureDimension = size(XTrain{1}， 1);
                        
                         流('输入特征的数量:%d \n'featureDimension)
                        
                         流('目标特征的数量:%d \n'numResponses)
                        
                         Maxepochs = 100;
                        
                         miniBatchSize = 1;
                        
                         numHiddenUnits = 100;
                        
                         全连接层将输入乘以一个权重矩阵，然后
                        
                         %添加一个偏差向量
                        
                         outputSize = 500;
                        
                         图层= [.．.
                        
                         sequenceInputLayer (featureDimension)
                        
                         lstmLayer (numHiddenUnits“OutputMode”，“序列”）
                        
                         fullyConnectedLayer (outputSize)
                        
                         dropoutLayer (0.1)
                        
                         fullyConnectedLayer (numResponses)
                        
                         regressionLayer];
                        
                         options = trainingOptions(“亚当”，.．.
                        
                         “MaxEpochs”maxepochs,.．.
                        
                         “GradientThreshold”, 1.．.
                        
                         “InitialLearnRate”, 0.005,.．.
                        
                         “LearnRateSchedule”，“分段”，.．.
                        
                         “LearnRateDropPeriod”, 125,.．.
                        
                         “LearnRateDropFactor”, 0.2,.．.
                        
                         “阴谋”，“训练进步”）;
                        
                         %%培训网络
                        
                         net = trainNetwork(XTrain, YTrain, layers, options);
                        
                         %%测试网络
                        
                         [~，~，data_test] = xlsread(“ET_2_m_input.xlsx”）;
                        
                         Data_mat_test = cell2mat(data_test);
                        
                         XTest = (data_mat_test(:， 4:8))';
                        
                         YTest = (data_mat_test(:， 3))';
                        
                         XTest = num2cell(XTest, 1);
                        
                         YTest = num2cell(YTest, 1);
                        
                         net = resetState(net);
                        
                         YPred = predict(net, XTest);
                        
                         rmse = sqrt(mean((cell2mat(YPred)' - cell2mat(YTest)).^2));
                        
                         流(' rmse = %. '2 f \ n”,意味着(rmse))
                        
                         % %的阴谋
                        
                         y1 = (cell2mat(YTest(1:end, 1:end))');
                        
                         y2 = (cell2mat(YPred(1:end, 1:end)));%必须转置成plot plot列
                        
                         数字
                        
                         情节(日元)
                        
                         持有在
                        
                         情节(y2)
                        
                         传奇(“测试”，“预测”）
                        
                         %%预测未来
                        
                         clc
                        
                         net = resetState(net);
                        
                         Yforecast = [];
                        
                         numTimeStepsTest = numel(XTest) + 500;%预测未来新500步
                        
                         K = 1;
                        
                         为i = 1:numTimeStepsTest
                        
                         [net, Yforecast(:，i)] = predictAndUpdateState(net, XTest(:，i)，“ExecutionEnvironment”，“cpu”）;
                        
                         如果k ~= numel(XTest)
                        
                         [net, Yforecast(:，i)] = predictAndUpdateState(net, XTest(:，i)，“ExecutionEnvironment”，“cpu”）;
                        
                         其他的
                        
                         [net, Yforecast(:，i)] = predictAndUpdateState(net, Yforecast(:，i-1)，“ExecutionEnvironment”，“cpu”）;
                        
                         结束
                        
                         K = K + 1;
                        
                         结束
                        
                         流('新数据成功预测\n'）