文件名称：blood-glucose-prediction:使用长期短期记忆递归神经网络进行血糖预测
文件大小：145KB
文件格式：ZIP
更新时间：2024-05-23 09:35:38
prediction recurrent-neural-networks lstm diabetes blood-glucose
引文 文章： ： 如果您发现此存储库对您的研究有用，请引用此工作： Martinsson, J., Schliep, A., Eliasson, B. et al. J Healthc Inform Res (2019). https://doi.org/10.1007/s41666-019-00059-y 先决条件 该代码旨在在OhioT1DM数据集上运行。 因此，要使用它（例如，示例实验YAML配置）中的xml_path需要指向XML数据文件所在的磁盘上的路径。 例如，更改“ / home / ubuntu / ohio_data / OhioT1DM-training /”以指向包含ohio数据集XML文件的Ohiot1DM-training文件夹。 当然可以编写一个新的数据集模块，该模块将数据加载为所需格式并在其他数据上训练模型。 安装 $> chmod +x setup
【文件预览】：
blood-glucose-prediction-master
----plot_parameter_search.py(3KB)
----experiments()
--------559_all_final_evaluation.yaml(1KB)
--------591_all_final_evaluation.yaml(1KB)
--------588_all_final_evaluation.yaml(1KB)
--------570_all_final_evaluation.yaml(1KB)
--------575_all_final_evaluation.yaml(1KB)
--------all_final_experiment.yaml(1KB)
--------563_all_final_evaluation.yaml(1KB)
--------570_lstm_state_nb_past_steps_search.yaml(676B)
--------example.yaml(641B)
----train()
--------train_keras.py(951B)
----run_noise_experiments.sh(251B)
----seg_xml_to_csv.py(468B)
----experiments_noise()
--------no_sensor_noise_medium_length_noise.yaml(668B)
--------no_sensor_noise_no_length_noise.yaml(664B)
--------medium_sensor_noise_no_length_noise.yaml(666B)
----models()
--------basic_lstm_independent_keras.py(561B)
--------lstm_experiment_keras.py(1KB)
--------__init__.py(0B)
--------basic_lstm_keras.py(436B)
----seg.csv(8.58MB)
----generate_final_experiments_mse.py(3KB)
----test.py(1KB)
----plot_seg.py(1KB)
----utils.py(2KB)
----generate_random_search_configurations.py(4KB)
----run.py(14KB)
----requirements.txt(131B)
----generate_final_experiments_gmse.py(3KB)
----loss_functions()
--------nll_keras.py(345B)
--------gmse_keras.py(1KB)
--------nll_mse_keras.py(242B)
--------mse_keras.py(158B)
----datasets()
--------ohio.py(3KB)
--------__init__.py(0B)
--------normal_experiment.py(1KB)
----generate_search_configurations_over_lstm_states_and_past_steps.py(4KB)
----LICENSE(34KB)
----generate_final_experiments_nll.py(3KB)
----metrics.py(606B)
----run_final_experiments.sh(454B)
----demo.py(6KB)
----create_table.py(5KB)
----README.md(2KB)
----evaluate_all.sh(112B)
----.gitignore(93B)
----setup.sh(98B)
----run_final_plots.sh(805B)
----evaluate_final_experiments.sh(1KB)
----optimizers()
--------adam_keras.py(139B)
----train_all.sh(109B)