文献第五、第九天

目录

题目:

摘要:

方法:

1、黎曼距离:

 2、黎曼均值

3、MDRM

 4、RA-MDRM

方法:

 结果:

结论:

黎曼几何方法的局限性:

优势:

局限性:


题目:

Transfer Learning for Brain–Computer Interfaces: A Euclidean Space Data Alignment Approach

出处: 伍冬睿老师团队。DOI: 10/gf2nv7

摘要:

伍老师团队的论文看到的几篇都在围绕着数据对齐问题展开。作者在文中提到了自己的贡献:提出了一个欧式对齐方法可以使不同被试trail更加相似,并用在新被试上。这种方法是高效的、不需要标签信息,而且可以应用于任何阶段对齐的trail。

方法:

1、黎曼距离:

 2、黎曼均值

3、MDRM

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值