基于双向独立循环神经网络的序列对序列模型的建立方法

摘要

本发明公开了基于双向独立循环神经网络的序列对序列模型的建立方法，具体为：首先，采集信号或数据，对数据进行预处理，进行人工分类；再将输入数据集和标签集转换为矩阵形式，并对其分别进行随机划分为训练集和测试集，之后构建基于独立循环神经网络的序列对序列模型，并对模型进行训练，过拟合判断；最后对序列数据中各单一元素的识别，使用Argmax函数获得对序列中单一元素的识别结果。基于独立循环神经网络的序列对序列模型不仅可以从最大程度上提取出序列数据的内在特征，而且可以极大程度上提高采样点数多或时间跨度大的序列数据中各序列元素所属类别的判断准确率。