Jammer-Loc

本存储库包含论文的代码和数据集链接
“用于室内 UWB 干扰源定位的机器与深度学习方法。”

使用示例

运行超参数优化过程：

python hpo.py \
  --task classification \
  --mode actual \
  --framework ml \
  --config config.yaml \
  --trials 50 \
  --study-name my_study

1. 模型和指标必须由 main.py 以预期格式保存。
2. Optuna 结果默认保存到 hpo.db。
3. 所有命令行选项均在 hpo.py 中使用 argparse 定义。有关说明和其他标志，请参阅该文件。

在源数据上进行分类与回归，并在测试集上进行测试

若要在源数据集上运行分类或回归，并在测试集上进行测试，可以使用：

python main.py --config config.yaml

1. 输出和指标将保存到 cfg.output.directory 指定的目录。
2. 所有模型检查点和指标将按模型分别保存（例如 outputs/simple_nn/）。
3. 发生运行时故障时，将记录详细的日志信息——包括结构化错误消息和堆栈跟踪——以促进系统性调试和根本原因分析。

域对齐

域对齐方法的文件名与出版物中各自的名称直接对应。

路径设置

请确保根据 config.yaml 文件中的项目结构调整路径。

数据集

由于大小限制，原始数据集未包含在此存储库中。
它们可以从 下载。

但是，为了便于立即执行代码，此存储库中提供了针对源域和目标域的两个 Parquet 文件。包含域对齐模型数据的压缩 NumPy 数组文件（.npz）可通过上述链接访问。