面向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：先在全部数据上进行纯自监督学习，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个样本分布的信息。 机制上，第一阶段提取反映底层数据流形的 inherent representations（IRs）；第二阶段在 IRs 上训练判别模型，获得 discriminative representations（DRs）。摘要援引已有理论指出，只要表征学习过程不使用样本所属组别的索引信息，就可使用全部数据学习表征，同时保持第一类错误控制。这一条件针对无分组信息的表征学习阶段，不能扩展理解为可任意使用测试集组别信息。 作者报告，RL-TST 在其开展的广泛实验中优于代表性方法，并将优势归因于利用测试集的流形信息及训练集学习到的判别信息。但摘要未提供具体数据集、划分、基线、检验功效或第一类错误数值；自监督目标、判别模型、最终检验统计量、校准方式，以及理论条件与实现的对应关系均尚未验证，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：该机制可能用于 EEG 分布差异检验，例如检测跨会话信号分布变化，而不是直接提升 BCI 解码准确率。可复用的是无分组信息的自监督表征与后续判别学习流程，需改造 EEG 时序编码及针对被试、会话和试次相关性的检验校准。低信噪比、通道差异和小数据可能使 IRs 主要捕捉伪迹或采集差异。一个可检验的假设是：在固定 EEG 数据划分及显著性水平下，相较仅用训练集学习表征，使用全部无分组数据学习表征能提高检验功效，同时维持经验第一类错误率；实验需采用符合数据依赖结构的零假设构造和校准方式。已有 EEG 相关工作尚未检索确认。