用于非参数双样本检验的统一数据表征学习

基于摘要分析。本文研究非参数双样本检验中的表征学习问题，提出 representation-learning two-sample testing（RL-TST）框架：先在全体数据上进行纯自监督表征学习，再利用训练集学习判别表征，以结合数据流形结构与区分两组分布的能力。 核心机制是分阶段利用数据。第一阶段从包含测试集在内的全体样本中学习 inherent representations（IRs），以捕获底层数据流形；第二阶段在 IRs 上训练判别模型，获得 discriminative representations（DRs）。作者援引近期理论研究指出，只要表征学习过程不使用样本所属组别的索引信息，就可利用全体数据学习表征，同时控制 Type-I 错误。该条件不应被理解为可在所有学习阶段任意使用测试集组别信息；其在 RL-TST 中的具体实现与理论适用范围尚需全文核对。 作者报告，RL-TST 在摘要所述的多项实验中优于代表性方法，并将收益归因于利用测试集中的流形信息及训练集中的判别信息。摘要未提供数据集、样本规模、检验统计量、自监督目标、显著性水平、对照方法或数值结果，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：该机制可用于研究 EEG 跨会话或跨被试的分布差异检验，而非直接等同于解码算法。迁移依赖可比较的样本结构与足够的无组别信息数据；可复用两阶段表征思路，但需适配 EEG 时序、通道配置与相关样本的划分及校准方式。低信噪比、小样本和被试差异可能使表征主要捕获伪迹或个体特征。一个可证伪的小实验是在固定 EEG 数据与划分下，对比仅用训练集学习表征和利用全体无组别信息样本学习表征，在相同显著性水平下分别检查零假设场景的 Type-I 错误与分布差异场景的检验功效。已有 EEG 相关工作尚未检索确认。