文件名称：mcfly:用于时间序列分类的深度学习工具
文件大小：3.11MB
文件格式：ZIP
更新时间：2024-06-13 18:20:26
JavaScript
mcfly的目标是简化对时间序列分类的深度学习技术的使用。 深度学习的优势在于它可以直接处理原始数据，而无需计算信号特征。 深度学习不需要有关数据的专业知识，并且已证明与传统的机器学习技术相比具有竞争力。 例如，您可以将mcfly应用于加速度计数据以进行活动分类，如所示。 如果您在研究中使用mcfly，请引用以下软件文章： D.van Kuppevelt，C.Meijer，F.Huber，A.van der Ploeg，S.Georgievska，VT van Hees。 Mcfly：按时间序列进行自动深度学习。 SoftwareX，第12卷，2020年 安装 先决条件： Python 3.6、3.7或3.8 点子 Tensorflow 2.0，如果pip错误导致无法在您的python / pip版本中找到它 在单独的conda环境中安装所有依赖项： conda env crea
【文件预览】：
mcfly-master
----MANIFEST.in(42B)
----.github()
--------workflows()
----html()
--------index.html(4KB)
--------modelscopy.json(2KB)
--------images()
--------js()
--------css()
--------example_modelcomparsion.json(8KB)
----LICENSE(11KB)
----environment.yml(87B)
----setup.py(1KB)
----README.md(4KB)
----.zenodo.json(2KB)
----mcflylogo.png(36KB)
----mcfly()
--------models()
--------_version.py(627B)
--------__init__.py(953B)
--------storage.py(3KB)
--------find_architecture.py(17KB)
--------modelgen.py(5KB)
----docs()
--------technical_doc.rst(9KB)
--------user_manual.rst(7KB)
--------reference.rst(649B)
--------introduction.rst(2KB)
--------conf.py(9KB)
--------installation.rst(1KB)
--------index.rst(1KB)
--------Makefile(7KB)
--------mcflylogo.png(36KB)
--------network_architectures.png(464KB)
----tests()
--------test_find_architecture.py(14KB)
--------test_tools.py(111B)
--------test_base_hyperparameter_generator.py(942B)
--------test_cnn.py(4KB)
--------test_modelgen.py(4KB)
--------test_resnet.py(4KB)
--------test_deep_conv_lstm.py(2KB)
--------test_integration.py(3KB)
--------test_storage.py(2KB)
--------test_inception_time.py(4KB)
----.gitignore(103B)
----linter_profile.yaml(345B)
----CITATION.cff(3KB)
----CHANGELOG.md(2KB)