MGP-TCN用于MIMIC数据集的败血症预测
该存储库包含有关论文的败血症预测的代码（用于标记，提取和建议的方法的代码）：
@InProceedings{moor2019early,
title = {Early Recognition of Sepsis with Gaussian Process Temporal Convolutional Networks and Dynamic Time Warping},
author = {Moor, Michael and Horn, Max and Rieck, Bastian and Roqueiro, Damian and Borgwardt, Karsten},
booktitle = {Proceedings of the 4th Machine Learning for Healthcare Conference
2023-02-28 16:43:39
105KB
1
基于TCN时间卷积神经网络的数据分类预测（Matlab完整源码和数据）
TCN时间卷积神经网络,数据分类预测,输入多个数据，分四类特征。
运行环境2021b及以上，TCN时间卷积神经网络的数据分类
2022-12-09 11:28:08
74KB
MATLAB实现TCN时间卷积神经网络多特征分类预测（完整源码和数据）
数据为多特征分类数据，输入12个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。
运行环境MATLAB2021b及以上。
2022-12-09 11:28:07
1.14MB
MATLAB实现TCN时间卷积神经网络多输入回归预测（完整源码和数据）
数据为多输入回归数据，输入7个特征，输出1个变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。
运行环境MATLAB2021b及以上。
2022-11-09 12:22:41
540KB
MATLAB实现TCN时间卷积神经网络时间序列预测（完整源码和数据）
数据为单变量时间序列数据，
运行环境MATLAB2020b及以上，
程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。
2022-11-01 16:05:07
410KB
【Python项目实战】基于时间卷积网络(Temporal Convolution Network ,TCN)的发动机剩余寿命预测
航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL)。针对此问题,采用时间卷积网络(Temporal Convolution Network ,TCN)作为一种最新出现的序列神经网络,被证明在序列数据预测上有良好的效果。采用TCN实现对发动机剩余寿命进行预测,预测过程通过建立退化模型,给每个训练样本添加RUL标签;将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性,在NASA提供的涡轮风扇发动机仿真数据集(C-MAPSS)上进行了测试,,结果表明采用TCN算法拥有更高的精度。
2022-07-12 22:05:10
6.55MB
1