文件名称:affinewarp:多维时间序列对齐的分段线性时间规整的实现
文件大小:12.75MB
文件格式:ZIP
更新时间:2024-06-04 02:43:43
Python
分段线性时间规整 此存储库包含用于时间扭曲多维时间序列的研究代码。 它是作为以下手稿的一部分开发的,该手稿着重于对大型神经记录的分析(尽管此代码也可以应用于许多其他数据类型): 。 威廉姆斯AH,普尔B,马埃斯瓦拉纳森N,达瓦勒AK,费舍尔T,威尔逊CD,布兰恩神经元。 105(2):246-259.e8 该代码适合具有线性或分段线性变形函数的时间变形模型。 这些模型比经典的算法更受约束,因此不太容易过度拟合具有高噪声水平的数据。 这在下面的综合数据中得到了证明。 简而言之,一维时间序列是在多次重复(试验)中测量的,呈现出相似的时间分布,但每次试验均具有随机抖动。 仅对试验进行平均,就无法很好地描述典型的时间序列(底部为红色轨迹)。 线性时间扭曲模型可以识别出更好的原型轨迹(标记为“模板”),同时考虑到每个具有扭曲函数(底部为蓝色到红色线性函数)的时间转换。 右侧显示了基于DTW的非线
【文件预览】:
affinewarp-master
----setup.py(742B)
----.gitignore(378B)
----requirements.txt(49B)
----affinewarp()
--------multiwarp.py(5KB)
--------visualization.py(3KB)
--------shiftwarp.py(14KB)
--------crossval.py(13KB)
--------__init__.py(547B)
--------datasets.py(5KB)
--------bmat.py(2KB)
--------utils.py(2KB)
--------metrics.py(7KB)
--------piecewisewarp.py(20KB)
--------spikedata.py(16KB)
--------_optimizers.py(20KB)
----examples()
--------rat_motor_cortex()
--------olfaction()
--------multi_warp.ipynb(102KB)
--------shift_warping.ipynb(215KB)
--------README.md(1KB)
--------orbitofrontal_cortex()
--------primate_motor_cortex()
--------piecewise_warping.ipynb(318KB)
----README.md(3KB)
----tests()
--------test_loss.py(838B)
--------test_shiftwarping.py(319B)
--------test_metrics.py(2KB)
--------test_fit.py(875B)
--------test_poisson.py(1KB)
--------test_bmat.py(689B)
--------test_piecewise.py(4KB)
--------test_spikedata.py(3KB)
----tox.ini(80B)