深層学習を使用した時系列予測について

LSTMネットワークを用いた予測、分類について質問があります。

ある運動によって得られる40個程の時系列データから、その時の運動によって生じる各時間における角度を予測したいと思っています。

MATLAB内のドキュメンテーションにある深層学習を使用した sequence-to-sequence 分類を見る限り、答え（YTrain,YTest）はcategorical配列になっていてそれ以外の配列では無理なのでしょうか。それともどこかを変えれば可能なのでしょうか。

そもそもこの条件をLSTMを用いて予測or分類が可能でしょうか

[Kenta]

https://jp.mathworks.com/help/deeplearning/examples/sequence-to-sequence-regression-using-deep-learning.html

こちらは回帰の例になっています。良い結果がでるかなどは別問題として、少なくともコード自体は実行できます。

変更する箇所としては、layersの最後から２つを

fullyConnectedLayer(40)
regressionLayer];

とするところが大きいかなと思います。

softmaxLayer
classificationLayer];

おそらくご覧になっているのは、以下のURLと思うのですが、そちらは分類、上は回帰となっているのが違いになっています。

https://jp.mathworks.com/help/deeplearning/examples/sequence-to-sequence-classification-using-deep-learning.html

[ugi Ryu]

コメントありがとうございます．試してみます！

Answer 1

[Hiro Yoshino]

ニューラルネットワークで最後の部分の覚え方　まとめ：

分類→クラスメンバシップ確率を計算するので、softmaxLayerが必要です。そしてネットワークの評価関数を交差エントロピーとして設定するために、最後にclassificationLayerを置きます。

回帰→クラスメンバシップ確率に変換する必要が無いのでsoftmaxLayerは不要です。分類同様に評価関数を設定しますが、通常は平均二乗誤差 (RMSE)なので、それを明示するためにregressionLayerを置きます。

全結合層は抽出された特徴をoutputに合わせるための、調整する役目に必要だとお考え下さい。

[ugi Ryu]

わかりやすい解説ありがとうございます！

ソフトマックス層やそれぞれでなぜその層が使われているかについてもしっかり理解できていなかったので非常に勉強になりました！