编辑如下！

首先，非常感谢所有组织者和参与者共同完成了这项精彩的挑战赛。我学到了许多关于帕金森病的知识，以及在我的解决方案和其他参赛者使用的各种技术！

特别感谢 @mayukh18 提供的出色入门笔记本。如果还没有点赞，请不吝点赞支持！

Mayukh的基线笔记本

我修改了笔记本的数据集类，使其兼容具有三个通道的一维残差网络（1D-ResNet），每个通道对应一个传感器（'AccV', 'AccML', 'AccAP'）。同时移除了wx参数，采用1000毫秒的数据切片，并预测未来50毫秒的数据。

此外，我实现了学习率调度器（ReduceLROnPlateau），初始学习率设为0.001。

原始笔记本仅使用一次训练-验证分割，而我基于笔记本中的原始划分生成了五个模型，每次使用不同的分割。

我使用RTX 3060计算这些模型，每个模型耗时约一小时（包含验证）。交叉验证（CV）得分约为0.30（如果我没记错的话）。

我的提交是五个模型的集成结果，最终得分：公开榜（Public）0.351 / 私有榜（Private）0.356。

如有任何疑问，我将在未来几天内尽力解答（昨天刚搬到一个新城市！）。

此致，
Jan