一维信号时间序列数据上的SOTA深度神经网络PyTorch实现
资源文件介绍
本仓库提供了一维（1D）信号/时间序列数据上的多个SOTA（State-of-the-Art）骨干深度神经网络的PyTorch实现。具体包括以下网络架构：
- ResNet
- ResNeXt
- RegNet
这些网络架构在处理一维信号数据时表现出色，适用于各种时间序列分析任务，如医疗数据分析、信号处理等。
使用说明
- 环境配置：
- 确保已安装PyTorch及相关依赖库。
- 建议使用Python 3.6及以上版本。
- 代码结构：
models/：包含各个网络架构的实现代码。utils/：包含一些辅助函数和工具。train.py：训练脚本。test.py：测试脚本。
- 训练与测试：
- 使用
train.py进行模型训练。 - 使用
test.py进行模型测试和评估。
- 使用
引用
如果您在工作中使用了此代码，请引用我们的论文：
@inproceedings{hong2020holmes,
title={HOLMES: Health OnLine Model Ensemble Serving for Deep Learning Models in Intensive Care Units},
author={Hong Shenda and Xu Yanbo and Khare Alind and Priambada Satria and Maher Kevin and Aljiffry Alaa and Sun Jimeng and Tumanov Alexey},
booktitle={},
year={2020}
}
贡献
欢迎大家提出问题和改进建议。如果您有任何疑问或需要帮助，请在GitHub上提交Issue。
许可证
本项目采用MIT许可证。详细信息请参阅LICENSE文件。