面向生理生物信号的解耦对抗迁移学习

可穿戴传感器的最新进展展示了以有效且舒适的方式监测生理状态的有前景的结果。生理状态评估的一个主要挑战是由不同用户或同一用户不同记录会话间生物信号的领域不一致性所引起的迁移学习问题。我们提出一种用于迁移学习的对抗推断方法，从压力状态水平评估的生理生物信号数据中提取解耦的、对干扰因素鲁棒的表示。我们利用任务相关特征与个体判别信息之间的权衡，通过使用一个对抗网络和一个干扰网络来联合操纵并解耦编码器学到的潜在表示，随后将其输入一个判别分类器。跨受试者迁移评估的结果证明了所提对抗框架的优势，从而展示了其适应更广泛受试者的能力。最后我们强调，我们所提出的对抗迁移学习方法也适用于其他深度特征学习框架。