Localized Consistency Learning

新的无监督方法在无源数据的情况下推进了EEG情绪识别

研究人员开发了一种新颖的无监督无源域适应方法，用于脑电图（EEG）情绪识别。这种方法称为双损失自适应正则化（DLAR）结合局部一致性学习（LCL），允许模型在无需访问原始源数据的情况下适应新数据集，解决了隐私和计算问题。在DEAP、SEED和DREAMER等基准数据集上的实验表明，准确性显著提高，优于现有的最先进方法，并有望在心理健康和脑机接口等实际应用中发挥作用。