Recurrent_GRF_Prediction:存储库支持“预测在上坡和下坡运行期间加速度计的连续地面反作用力 源码

预测上坡和下坡行驶期间来自加速度计的连续地面反作用力:递归神经网络解决方案 瑞安·阿尔坎塔拉(Ryan Alcantara) 该存储库包含一个示例,该示例说明了在运行过程中如何使用递归神经网络(RNN)从加速度计数据预测地面反作用力(GRF)数据。如果使用此存储库中的代码或数据,请引用相关的出版物: 储存库内容 data/ :包含示例加速度计数据,GRF数据,条件/人口统计数据和RNN模型文件。 Train_RNN.ipynb :笔记本示例,说明如何准备数据和训练RNN以根据加速度计数据预测GRF。如果要使用 (建议)运行此笔记本,请确保使用其GPU运行时类型。您将需要调整data/路径,具体取决于文件在Google Colab中的上传方式。 pre_processing.py :中使用的一些功能Train_RNN.ipynb 。 特征工程 RNN需要将时间序列数据划分为子序列,而不是