运动想象 (MI) 迁移学习系列 (15) : 基于Wasserstein距离的改进域适应网络

论文地址：https://ieeexplore.ieee.org/abstract/document/10035017
论文题目：Improved Domain Adaptation Network Based on Wasserstein Distance for Motor Imagery EEG Classification
论文代码：无

0. 引言

受生成对抗网络（GAN） 的启发，本研究旨在提出一种基于Wasserstein距离的改进域适应网络，该网络利用来自多个受试者（源域）的现有标记数据来提高单个受试者（目标域）的MI分类性能。具体来说，我们提出的框架由三个组件组成，包括特征提取器、域鉴别器和分类器。特征提取器采用注意力机制和方差层来提高对从不同MI类别中提取的特征的区分。接下来，领域鉴别器采用Wasserstein矩阵来测量源域与目标域之间的距离，并通过对抗学习策略对齐源域和目标域的数据分布。最后，分类器使用从源域获取的知识来预测目标域中的标签。

总得来说：将所有数据通过域适应的方法来提高某一数据的分类精度。本篇内容建议看着算法流程来进行解读。。。