Skip to main content

Table 1 Configurations of the multi-view convolutional representation module in HybridAtt

From: A hybrid self-attention deep learning framework for multivariate sleep stage classification

Type

Kernel size

Stride

Padding

\(Conv1d_{1\_1}\)

8×8

2

3

\(Conv1d_{1\_2}\)

16×8

2

7

\(Conv1d_{1\_3}\)

32×8

2

3

\(Conv1d_{1\_4}\)

64×8

2

7

MaxPool1d1

6

4

1

\(Conv1d_{2\_1}\)

3×16

1

1

\(Conv1d_{2\_2}\)

5×16

1

2

MaxPool1d2

3

2

1

\(Conv1d_{3\_1}\)

3×16

1

1

\(Conv1d_{3\_2}\)

5×16

1

2

MaxPool1d3

3

2

1

\(Conv2d_{1\_1}\)

1×8×8

1,2

0,3

\(Conv2d_{1\_2}\)

1×16×8

1,2

0,7

\(Conv2d_{1\_3}\)

1×32×8

1,2

0,3

\(Conv2d_{1\_4}\)

1×64×8

1,2

0,7

AvgPool2d1

1×6

1,4

0,1

\(Conv2d_{2\_1}\)

3×3×16

1,1

1,1

\(Conv2d_{2\_2}\)

5×5×16

1,1

2,2

AvgPool2d2

1×3

1,2

0,1

\(Conv2d_{3\_1}\)

3×3×16

1,1

1,1

\(Conv2d_{3\_2}\)

5×5×16

1,1

2,2

AvgPool2d3

14×3

14,2

0,1