[Dataset]
# 填写数据集名称（文件夹名称），同时训练测试多个数据集，请用逗号隔开
# 请确保数据集已经按照要求格式放置在./dataset路径下
name=SWAT

[Method]
# 填写模型名称（文件名称，不用写".py"），同时训练测试多个算法，请用逗号隔开
# 请确保模型文件已经按照要求格式放置在./model路径下
# 模型名称请全部由字母组成
name=AnomalyTransformer

[Preprocess]
# 填写预处理方法名称（文件名称，不用写".py"）
# 请确保预处理方法文件已经按照要求格式放置在./preprocess路径下
name=standardization

[Evaluation]
# 填写评估方法名称（文件名称，不用写".py"），同时使用多个评估方法，请用逗号隔开
# 请确保评估方法文件已经按照要求格式放置在./evaluation路径下
name=f1,f1pa,ftad,affiliation

[ModelPath]
# 模型加载先前参数，请用"模型名_数据集名"作为变量名
# 路径名称从TSAD文件夹下开始写相对路径，或者直接写绝对路径
MtadGatAtt_SWAT=none

[BaseParameters]
# train表示是否训练模型，请填写true或者false，为false时，仅测试模型
train=true
# epoch表示训练轮数，请填写正整数
epochs=20
# batch-size表示每个batch的尺寸，请填写正整数
batch_size=32
# learning-rate表示学习率，建议不要高于0.001
learning_rate=1e-4
# device表示使用的设备，可以选auto、cpu、cuda，其中auto代表自动判断，有gpu使用gpu，没有则使用cpu；选gpu时需要选择gpu序号，例如cuda:0
device=auto

[CustomParameters]
# 此处可以填入自定义参数，数量不限，用于填写特殊需求输入，例如模型文件所需的所有外部参数，构建数据集的部分参数
# 输入数据长度input_size，即截取数据的窗口长度
input_size=100
# 输出数据长度output_size
output_size=1
# 截取数据的窗口的移动步长
step=1
# 数据集文件（csv）中，第一行是否需要忽略（第一行为列名的话需要忽略）
del_column_name=true
# 数据集文件（csv）中，第一列是否是时间戳
time_index=true