工夫序列数据容易受到 噪声的扰动 而失去意义，所以可能对工夫序列中的噪声进行解决将会对分类精度产生重要影响[1]。
残差膨胀网络 [2] 是一种面向强噪、高冗余数据的分类算法，本来是由 M. Zhao 在文献 [2] 首次提出的。
[1]张雅雯. 基于残差网络的工夫序列分类算法钻研[D]. 北京交通大学,2020.
[2]M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020.
[3]https://github.com/zhao62/Deep-Residual-Shrinkage-Networks