第7名解决方案

预处理

• 30Hz 高通滤波
• 通过单个观测值的绝对均值进行归一化

数据增强

• 滚动 +/-500 个点 (概率 p=0.5)
• 缩放 0.85-1.15 (概率 p=0.5)
• 乘以 -1 (概率 p=0.5)

模型架构

所有模型均使用 TensorFlow 在 TPU 上实现。以下前端被所有模型使用，维度 dim=128。

input = L.Input(shape=(3, 4096)) # 3个观测值
x = tf.reshape(input,(-1,4096,1)) # 将3个观测值折叠进batch
x = wavenet(x, dim, dilations=12, kernel_size=5)
x = L.Dense(dim//4)(x)
x = wavenet(x, dim, dilations=12, kernel_size=5)
x = L.Dense(dim//4)(x)
x = L.Dense(dim)(x)
x = tf.reshape(x, (-1,3,4096,dim))
x = tf.transpose(x,(0,2,3,1))
x = L.BatchNormalization()(x)
x = L.Activation('gelu')(x)

模型详情

模型1：
Efficient B3 (尺寸=128*128), 交叉验证分数 87.79-88.04

模型2：
Wavenet + GRU, 交叉验证分数 87.80-88.05

模型3：
Wavenet, 交叉验证分数 87.83-88.07