Данные последовательности площадок готовы для обучения.

Загрузите данные последовательности.

s = japaneseVowelsTrainData;

Предварительно обработанные данные содержат 270 наблюдений каждый с 12 признаками последовательности. Продолжительность наблюдений варьируется от 7 до 26 временных шагов.

Поместите данные с нулями той же длины, что и самая длинная последовательность. Функция применяется в правой части данных. Укажите измерение, содержащее временные шаги, в качестве измерения заполнения. Для этого примера размер равен 2.

sPad = padsequences(s,2);

Проверьте размер дополненных последовательностей.

size(sPad)

ans = 1×3

    12    26   270

Использовать padsequences расширить или сократить каждую последовательность до фиксированной длины путем добавления или удаления данных на обоих концах последовательности, в зависимости от длины исходной последовательности.

Загрузите данные последовательности.

s = japaneseVowelsTrainData;

Предварительно обработанные данные содержат 270 наблюдений каждый с 12 признаками последовательности. Продолжительность наблюдений варьируется от 7 до 26 временных шагов.

Обработайте данные так, чтобы каждая последовательность была ровно 14 временных шагов. Для более коротких последовательностей требуется заполнение, в то время как более длинные последовательности должны быть усечены. Вставка или усечение по обеим сторонам данных. Для дополненных последовательностей примените симметричное заполнение так, чтобы заполненные значения были зеркальными отражениями исходных значений последовательности.

[sPad,mask] = padsequences(s,2,'Length',14,'Direction','both','PaddingValue','symmetric');

Сравните некоторые из дополненных последовательностей с исходной последовательностью. Каждое наблюдение содержит 12 элементов, поэтому извлеките один элемент для сравнения.

Извлеките первую особенность 74-го наблюдения. Эта последовательность короче 14 временных шагов.

s{74}(1,:)

ans = 1×9

    0.6691    0.5291    0.3820    0.3107    0.2546    0.1942    0.0931   -0.0179   -0.1081

sPad(1,:,74)

ans = 1×14

    0.5291    0.6691    0.6691    0.5291    0.3820    0.3107    0.2546    0.1942    0.0931   -0.0179   -0.1081   -0.1081   -0.0179    0.0931

mask(1,:,74)

ans = 1×14 logical array

   0   0   1   1   1   1   1   1   1   1   1   0   0   0

Функция центрирует последовательность и площадки на обоих концах, отражая значения на концах последовательности. Маска показывает расположение исходных значений последовательности.

Извлеките первую особенность 28-го наблюдения. Эта последовательность длиннее 14 временных шагов.

s{28}(1,:)

ans = 1×16

    1.1178    1.0772    1.2365    1.4858    1.6191    1.4893    1.2791    1.4692    1.5592    1.5112    1.5144    1.5871    1.4848    1.2978    1.1336    1.0280

sPad(1,:,28)

ans = 1×14

    1.0772    1.2365    1.4858    1.6191    1.4893    1.2791    1.4692    1.5592    1.5112    1.5144    1.5871    1.4848    1.2978    1.1336

mask(1,:,28)

ans = 1×14 logical array

   1   1   1   1   1   1   1   1   1   1   1   1   1   1

Функция центрирует последовательность и усекает ее на обоих концах. Маска показывает, что все данные в результирующей последовательности являются частью исходной последовательности.

Используйте padsequences функция в сочетании с minibatchqueue подготовка и предварительная обработка данных последовательности, готовых для обучения с использованием пользовательского цикла обучения.

В примере используются данные обучения распознаванию деятельности человека. Данные содержат шесть временных рядов данных датчиков, полученных от смартфона, надеваемого на корпус. Каждая последовательность имеет три признака и варьирует по длине. Три характеристики соответствуют показаниям акселерометра в трех различных направлениях.

Загрузите данные обучения. Объединение данных и меток в единое хранилище данных.

s = load("HumanActivityTrain.mat");

dsXTrain = arrayDatastore(s.XTrain,'OutputType','same');
dsYTrain = arrayDatastore(s.YTrain,'OutputType','same');

dsTrain = combine(dsXTrain,dsYTrain);

Использовать minibatchqueue для обработки мини-пакетов данных последовательности. Определение пользовательской функции предварительной обработки мини-партии preprocessMiniBatch (определено в конце этого примера) для заполнения данных последовательности и меток и одноконтактного кодирования последовательностей меток. Чтобы также вернуть маску дополненных данных, укажите три выходные переменные для minibatchqueue объект.

miniBatchSize = 2;
mbq = minibatchqueue(dsTrain,3,...
    'MiniBatchSize',miniBatchSize,...
    'MiniBatchFcn', @preprocessMiniBatch);

Проверьте размер мини-партий.

[X,Y,mask] = next(mbq);
size(X)

ans = 1×3

           3       64480           2

size(mask)

ans = 1×3

           3       64480           2

Каждая мини-партия имеет два наблюдения. Функция размещает последовательности того же размера, что и самая длинная последовательность в мини-партии. Маска имеет тот же размер, что и дополненные последовательности, и показывает местоположение исходных значений данных в дополненных данных последовательности.

size(Y)

ans = 1×3

           5       64480           2

Заполненные метки одноконтактно кодируются в цифровые данные, готовые для обучения.

function [xPad,yPad,mask] = preprocessMiniBatch(X,Y)
    [xPad,mask] = padsequences(X,2);
    yPad = padsequences(Y,2);
    yPad = onehotencode(yPad,1);
end