论文笔记----Selective Transfer Learning for EEG-Based Drowsiness Detection

对session进行评估，判断其是否适合使用迁移学习来提升性能。阅读重点，如何cross-subject。

全文核心：文中提出了一种新的可被迁移性的度量指标LSG，可以衡量一组数据是否适合接受来自其他被试的数据。全文理论基于一个假设，就是当一个session的数据可以很好地训练模型的时候，其他被试的数据将不能提供任何有用的帮助（原文：In this study, we hypothesized that if the pilot session of an individual provides discriminative information between alertness and drowsiness for the session and for sessions from others, then the information from others might not add any value to improve the model based solely on the pilot session for the individual.）。相反，当一个模型还不能很好地拟合数据地时候，它是可以接受外界数据辅助训练的。（原文：Conversely, if the pilot session is not informative enough to model the drowsiness level, and is neither generalizable to predict the drowsiness level of sessions from others, then the model for this individual might benefit from the transfer learning procedure. ）
LSGi=P(i,i)+P(l,Φ(l))‾P(J,J)+P(J,Φ(J))‾‾∣j∈Φ(i)L S G_{i}=\frac{P(i, i)+\overline{P(l, \Phi(l))}}{\left.\overline{P(J, J)+\overline{P(J, \Phi(J))}}\right|_{j \in \Phi(i)}} LSGi=P(J,J)+P(J,Φ(J))∣∣∣j∈Φ(i)P(i,i)+P(l,Φ(l))
对公式的理解：可见，分子为一个session训练后的模型对它自己的表现，以及对其他session的表现（以中位数代表）。分母为所有session的同样计算的中位数。因此，LSGiLSG_iLSGi可以理解为在所有session中，session iii所包含的信息是否足够训练自己的模型，以及对外来信息的接受空间大小，LSG越小，则越能接受来自其他被试的数据的迁移。

如何做到cross-subject的？

基于他们所提的假设所推得当一个session的信息不足以训练其自身的分类器时，它是可以从外界接受辅助的。也就是LSG低（<1）的session可以接受来自其他被试的数据辅助训练。

论文笔记----Selective Transfer Learning for EEG-Based Drowsiness Detection相关推荐

论文笔记—A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping
论文笔记-A Review of Visual-LiDAR Fusion based Simultaneous Localization and Mapping 论文链接文章摘要 ~~~~ ~ ...
论文笔记 Object-Aware Instance Labeling for Weakly Supervised Object Detection - ICCV 2019
Object-Aware Instance Labeling for Weakly Supervised Object Detection Kosugi ICCV, 2019 (PDF) (Citat ...
【论文笔记】Heterogeneous Transfer Learning for HSIC Based on CNN
X. He, Y. Chen and P. Ghamisi, "Heterogeneous Transfer Learning for Hyperspectral Image Classif ...
图像隐写术分析论文笔记：Deep learning for steganalysis via convolutional neural networks
好久没有写论文笔记了,这里开始一个新任务,即图像的steganalysis任务的深度网络模型.现在是论文阅读阶段,会陆续分享一些相关论文,以及基础知识,以及传统方法的思路,以资借鉴. 这一篇是Medi ...
ECCV2016【论文笔记】Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles
1.INTRO 本文作者旨在通过解决拼图问题来进行self-supervised learning,这样可以训练一个网络去识别目标的组成部分. 2.Solving Jigsaw Puzzles 当前一 ...
论文阅读＞烟雾检测：Vision based smoke detection system using image energy and color information
原文 Vision based smoke detection system using image energy and color information 文章目录原文基于图像能量和颜色信息的 ...
【论文笔记】A Transformer-based Siamese network for change detection
论文论文题目:A TRANSFORMER-BASED SIAMESE NETWORK FOR CHANGE DETECTION 收录:IGARSS 2022 论文地址:https://arxiv.o ...
[论文笔记]Spectrum Sharing in Vehicular Networks Based on Multi-Agent Reinforcement Learning
本文的研究目标是车在网络中的频谱资源分配问题,具体来讲是如何实现多个V2V链路重用V2I链路的频谱.车载链路中环境的快速变化使传统的在基站处收集CSI信息以进行集中式资源管理成为难题,而本方法将资源共 ...
【论文笔记】（二）CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning
论文名称: CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning 发表期刊: arXiv, ...

论文笔记----Selective Transfer Learning for EEG-Based Drowsiness Detection

论文笔记----Selective Transfer Learning for EEG-Based Drowsiness Detection相关推荐

最新文章

热门文章