طبقه بندی مراحل خواب

شرح دقیق کاری که باید انجام شود برنامه‌نویس موظف است مشابه روش مقاله روی داده‌های رادارگرام (ماتریس های) دو‌بعدی با ابعاد 61×510 که خروجی رادار هستند، مراحل زیر را اجرا کند: یک GAN برای تولید رادارگرام 61×510 بسازد. یک طبقه‌بندی‌کننده CNN/LSTM مشابه SleepEGAN مقاله پیاده‌سازی کند. Ensemble بدون هزینه را اجرا کند. مشکل عدم‌توازن کلاس‌ها را حل کند. خروجی را با متریک‌های استاندارد گزارش دهد. این داده‌ها نامتوازن‌اند → مدل به کلاس‌های زیاد توجه می‌کند و اقلیت‌ها را نادیده می‌گیرد دسته‌بندی 5 کلاسه (Wake / N1 / N2 / N3 / REM) در حالت استاندارد طبقه‌بندی مراحل خواب، داده‌ها شامل 5 کلاس زیر هستند: Wake: 2105 نمونه N1: 1777 نمونه N2: 9350 نمونه N3: 4053 نمونه REM: 1563 نمونه در این حالت، کلاس‌ها به‌شدت نامتوازن هستند؛ N2 بیشترین داده و N1 و REM کمترین داده را دارند.