文件名称：CsiGAN:我们论文的实现
文件大小：495KB
文件格式：ZIP
更新时间：2024-06-18 04:12:28
tensorflow generative-adversarial-network semi-supervised-learning csi behavior-recognition
CsiGAN 这些是论文的代码和数据： , IEEE Internet of Things Journal, 2019, 6(6): 10191-10204。 该模型旨在解决基于CSI的活动识别的留一主题验证的性能下降问题，可以有效提高识别精度。 CsiGAN 是基于半监督 GAN [1] 设计的。 图 1 和图 2 说明了 CsiGAN 和半监督 GAN [1] 的主要框架。 CsiGAN与这种半监督GAN在三个方面有所不同：（1）将补体生成器Gc引入CsiGAN中以生成补体假样本。 (2) 为判别器添加 k 个概率输出 (1'•••k') 和相应的损失项。 （3）基于引入的生成器，提出了流形正则化以稳定学习过程（框架图中未显示）。 。 图 1. CsiGAN 的框架 。 图 2. 半监督 GAN 的框架 所有的实验都是留一主题验证。 换句话说，我们选择一个用户作为被遗
【文件预览】：
CsiGAN-master
----Framework_CsiGAN.png(74KB)
----BaselineSupervisedManiGAN()
--------2mat2npyLabel.py(901B)
--------1mat2npyCSI.py(1KB)
--------CycleGANmodel.py(14KB)
--------3train_CSI_original_Base_V1.py(23KB)
--------cifar_ganNN_NN.py(5KB)
--------CycleGANmodule.py(11KB)
--------nn.py(17KB)
--------data()
----CsiGAN Robust Channel State Information-based Activity Recognition with GANs.pdf(302KB)
----DatasetCodeForSignFi()
--------gan_2unlab4_Cycle1use2_3_4_Cvariable_D200_30_ok.m(9KB)
--------gan_2unlab4_Cycle1use2_3_4_Cvariable_D200_30_ok_vary.m(3KB)
--------signfi_cnn_user1to4_leave1_Cvariable.m(3KB)
----BaselineSemiSupManiGAN()
--------2mat2npyLabel.py(901B)
--------1mat2npyCSI.py(1KB)
--------3train_CSI_original_Base_V1.py(23KB)
--------cifar_ganNN_NN.py(5KB)
--------nn.py(17KB)
--------data()
----BaselineSupervisedSSGAN()
--------2mat2npyLabel.py(901B)
--------3train_CSI_original_Base_V2_SSGAN.py(23KB)
--------1mat2npyCSI.py(1KB)
--------CycleGANmodel.py(14KB)
--------cifar_ganNN_NN.py(5KB)
--------CycleGANmodule.py(11KB)
--------nn.py(17KB)
--------data()
----Framework_SemiGAN.png(48KB)
----README.md(6KB)
----CsiGANSupervisedGAN()
--------2mat2npyLabel.py(901B)
--------1mat2npyCSI.py(1KB)
--------CycleGANmodel.py(14KB)
--------cifar_ganNN_NN.py(5KB)
--------CycleGANmodule.py(11KB)
--------nn.py(17KB)
--------data()
--------3train_CSI_original_V40_2Unlabelled_C101.py(34KB)
----CsiGANSemiSupervisedGAN()
--------2mat2npyLabel.py(901B)
--------1mat2npyCSI.py(1KB)
--------CycleGANmodel.py(14KB)
--------cifar_ganNN_NN.py(5KB)
--------CycleGANmodule.py(11KB)
--------nn.py(17KB)
--------data()
--------3train_CSI_original_V40_2Unlabelled_C101.py(34KB)
----BaselineSemiSupSSGAN()
--------2mat2npyLabel.py(901B)
--------3train_CSI_original_Base_V2_SSGAN.py(23KB)
--------1mat2npyCSI.py(1KB)
--------cifar_ganNN_NN.py(5KB)
--------nn.py(17KB)
--------data()