运动想象 (MI) 迁移学习系列 (12) : MEKT

论文地址：https://arxiv.org/abs/1910.05878
论文题目：Manifold Embedded Knowledge Transfer for Brain-Computer Interfaces
论文代码：https://github.com/chamwen/MEKT

0. 引言

迁移学习利用一个问题中的数据或知识来帮助解决一个不同但相关的问题。它在脑机接口（BCI）中特别有用，用于应对不同主题和/或任务之间的变化。本文考虑了离线无监督跨受试者脑电图 （EEG） 分类，即我们标记了来自一个或多个源受试者的 EEG 试验，但仅标记了来自目标受试者的未标记 EEG 试验。我们提出了一种新颖的流形嵌入式知识转移（MEKT） 方法，该方法首先在黎曼流形中对齐脑电图试验的协方差矩阵，提取切线空间中的特征，然后通过最小化源域和目标域之间的联合概率分布偏移来执行