文件名称：dl-4-tsc：时间序列分类的深度学习
文件大小：654KB
文件格式：ZIP
更新时间：2024-02-25 16:36:14
review deep-neural-networks deep-learning convolutional-neural-networks research-paper
时间序列分类的深度学习 这是发表在“时间序列分类的深度学习：评论”的配套资料库，该也可以在。 数据 该项目中使用的数据来自两个来源： ，其中包含85个单变量时间序列数据集。 ，其中包含13个多元时间序列数据集。 码 代码划分如下： python文件包含运行实验所需的代码。 文件夹包含必要的功能，以读取数据集并可视化绘图。 文件夹包含9个python文件，每个文件针对本文测试的每个深度神经网络。 要在一个数据集上运行模型，应发出以下命令： python3 main.py TSC Coffee fcn _itr_8 这意味着我们将在Coffee数据集的单变量UCR存档上启动模型（有
【文件预览】：
dl-4-tsc-master
----utils()
--------utils.py(24KB)
--------pip-requirements.txt(167B)
--------constants.py(9KB)
----results()
--------results-ucr-128.csv(550KB)
--------tab-perf-lengths.csv(336B)
--------results-uea-avg-std.csv(9KB)
--------results-uea.csv(640KB)
--------tab-perf-train-size.csv(246B)
--------results-mts.csv(88KB)
--------results-mts-avg-std.csv(1KB)
--------tab-perf-theme.csv(402B)
--------results-uea-std.csv(4KB)
----main.py(6KB)
----.idea()
--------misc.xml(297B)
--------workspace.xml(9KB)
--------dl-4-tsc.iml(440B)
--------inspectionProfiles()
--------modules.xml(268B)
--------vcs.xml(180B)
----LICENSE(34KB)
----README.md(20KB)
----classifiers()
--------cnn.py(3KB)
--------mcnn.py(20KB)
--------mlp.py(3KB)
--------inception.py(6KB)
--------mcdcnn.py(4KB)
--------fcn.py(3KB)
--------encoder.py(4KB)
--------resnet.py(7KB)
--------twiesn.py(7KB)
--------tlenet.py(10KB)
----png()
--------resnet-archi.png(154KB)
--------fcn.png(86KB)
----.gitignore(1KB)