脑机接口中的异集域适应：一种标签对齐方法
人机交互
2020-05-12 v4 人工智能
机器学习
摘要
脑机接口（BCI）系统通常需要在每个新被试/任务上进行长时间的校准会话以调整其参数，这阻碍了它从实验室向实际应用的过渡。域适应利用来自辅助被试/任务（源域）的标注数据，已证明其在减少此类校准工作量方面的有效性。目前，大多数域适应方法要求源域具有与目标域相同的特征空间和标签空间，这限制了它们的应用，因为辅助数据可能具有不同的特征空间和/或不同的标签空间。本文考虑脑机接口中的异集域适应，即源域和目标域具有不同的标签空间。我们引入了脑机接口中不同标签集的一种实际设定，并提出了一种新颖的标签对齐（LA）方法，将源标签空间与目标标签空间对齐。它具有三个可取性质：1）LA仅需来自目标被试每个类别少至一个标注样本；2）LA可用作不同特征提取和分类算法之前的预处理步骤；以及3）LA可与其他域适应方法集成以取得更佳性能。在两个运动想象数据集上的实验证明了LA的有效性。
引用
@article{arxiv.1912.01166,
title = {Different Set Domain Adaptation for Brain-Computer Interfaces: A Label Alignment Approach},
author = {He He and Dongrui Wu},
journal= {arXiv preprint arXiv:1912.01166},
year = {2020}
}
备注
IEEE Trans. on Neural Systems and Rehabilitation Engineering, 2020