关于模型迁移,用A数据集训练好模型,用于B数据集的分类。直接使用分类效果常常不好,通常的做法是保留前几层,对后面层的网络进行重新训练。那么,迁移是发生在前面几层吗?就是说前面几层训练的结果和数据是A还是B无关的?和图像CNN训练的结果相似,前几层是点线等基本纹理,后面几层训练出更复杂的信号模型,也更接近图像本身。那么,对于EEG信号,应该有类似的解释,前面几层是EEG信号的基本的pattern?
迁移是如何发生的
最新推荐文章于 2024-06-25 10:07:22 发布
关于模型迁移,用A数据集训练好模型,用于B数据集的分类。直接使用分类效果常常不好,通常的做法是保留前几层,对后面层的网络进行重新训练。那么,迁移是发生在前面几层吗?就是说前面几层训练的结果和数据是A还是B无关的?和图像CNN训练的结果相似,前几层是点线等基本纹理,后面几层训练出更复杂的信号模型,也更接近图像本身。那么,对于EEG信号,应该有类似的解释,前面几层是EEG信号的基本的pattern?