论文分析
《A review of classification algorithms for EEGbased brain–computer interfaces: a 10 year update》
To cite this article: F Lotte et al 2018 J. Neural Eng. 15 031005
基于学习环境、领域和任务的不同,存在几种适用于迁移学习的情况。例如,同构迁移学习是指XS = XT的情况,领域适应是指源域和目标域的边缘概率分布或条件概率分布不匹配的情况。源域和目标域的任务不同,称为归纳迁移学习。在BCI中,可能是源域和任务与视觉P300诱发电位相关,而目标域和任务与听觉P300诱发电位相关。相反,直推式迁移学习指的是任务相似但领域不同的情况。一个特殊的例子是当域上的失配是由边缘概率或条件概率错配引起的时,领域适应问题。在BCI中,直推式迁移学习是最常见的情况,因为通常会出现主体间的不同或会话间的不同。关于迁移学习的更多分类,我们建议读者参考Pan等人的调查。
-
归纳式迁移学习Inductive TL
- source和target的domain可能一样或不一样,task不一样;target domain的labeled数据可得,source domain不一定可得。
- multitask learning(多任务学习):source domain的labeled数据可得。
- self-taught learning(自学习):source domain的labeled数据不可得。
- source和target的domain可能一样或不一样,task不一样;target domain的labeled数据可得,source domain不一定可得。