mulEEG：一种基于脑电信号的多视图表征学习
机器学习
2022-04-08 v1 信号处理
摘要
利用相互正向影响的多个视图来建模有效表征具有挑战性，且现有方法在脑电图（EEG）信号的睡眠分期任务上表现不佳。本文提出一种新颖的多视图自监督方法（mulEEG），用于无监督的EEG表征学习。我们的方法尝试有效利用多视图中可用的互补信息来学习更好的表征。我们引入了多样性损失，以进一步促进跨多视图的互补信息。在睡眠分期任务上进行的迁移学习实验中，我们无法访问标签的方法超越了有监督训练，同时优于多视图基线方法。我们认为，我们的方法通过利用互补的多视图能够学到更好的表征。
引用
@article{arxiv.2204.03272,
title = {mulEEG: A Multi-View Representation Learning on EEG Signals},
author = {Vamsi Kumar and Likith Reddy and Shivam Kumar Sharma and Kamalakar Dadi and Chiranjeevi Yarra and Bapi S. Raju and Srijithesh Rajendran},
journal= {arXiv preprint arXiv:2204.03272},
year = {2022}
}
备注
Preprint version