习得的动力学在任务、数据集与群体间泛化
计算机视觉与模式识别
2019-12-09 v1 机器学习
摘要
区分多元动态信号是一个困难的学习问题，因为特征空间可能很大而可用的训练样本往往很少。该问题的传统方法要么基于手工特征，要么需要大型数据集以应对m >> n问题。在本文中，我们表明问题的根源——信号动力学——可被我们所用，并在训练数据稀缺时显著提升一系列判别任务上的分类性能。我们证明，由信号动力学引导的自监督预训练所产生的嵌入（embedding）能够在任务、数据集、数据收集站点以及数据分布之间泛化。我们在一系列任务上对该方法进行了广泛评估，包括模拟数据、关键词检测问题以及一系列功能神经影像数据，其中我们展示了一个在健康受试者上习得的单一嵌入可跨多种障碍、年龄组与数据集泛化。
引用
@article{arxiv.1912.03130,
title = {Learnt dynamics generalizes across tasks, datasets, and populations},
author = {U. Mahmood and M. M. Rahman and A. Fedorov and Z. Fu and V. D. Calhoun and S. M. Plis},
journal= {arXiv preprint arXiv:1912.03130},
year = {2019}
}
备注
11 pages, 12 figures. arXiv admin note: text overlap with arXiv:1911.06813