基于对抗训练的跨被试情绪识别域适应

基于摘要分析。该研究针对 EEG 情绪识别中的被试间差异，提出基于对抗训练的域适应表征学习方法，旨在学习域不变且具有情绪判别性的特征，以改善跨被试情绪识别。 机制方面，模型采用包含通道注意力与特征注意力的深度架构，用于分离情绪特异性特征和域特异性特征，并结合域判别器学习可泛化的 EEG 表征。其核心思路是同时处理被试差异与情绪判别信息，而不是仅追求域间特征对齐。摘要未提供具体网络结构、特征分离方式、对抗损失形式及训练流程，这些实现细节尚未验证。 作者报告，在 SEED 上的实验显著改善了情绪识别并缓解了域偏移，但摘要未给出评价指标、具体数值、对照方法或显著性检验信息。研究目标为跨被试识别，实际被试划分、目标被试数据及标签的使用方式尚未验证，因此目前不能确定其适用的域适应协议，也不能据此判断对未参与适应的新被试的泛化能力。 复现时应重点核对通道与特征注意力的作用、情绪特征与域特征分离的证据，以及对抗训练相对基线的独立收益。预处理、输入特征、实验协议、消融及统计信息尚未验证；代码可用性也未由当前材料确认。