論文の概要: DAMSDAN: Distribution-Aware Multi-Source Domain Adaptation Network for Cross-Domain EEG-based Emotion Recognition

• arxiv url: http://arxiv.org/abs/2510.17475v1
• Date: Mon, 20 Oct 2025 12:18:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.445297
• Title: DAMSDAN: Distribution-Aware Multi-Source Domain Adaptation Network for Cross-Domain EEG-based Emotion Recognition
• Title（参考訳）: DAMSDAN:クロスドメイン脳波を用いた感情認識のための分散対応マルチソースドメイン適応ネットワーク
• Authors: Fo Hu, Can Wang, Qinxu Zheng, Xusheng Yang, Bin Zhou, Gang Li, Yu Sun, Wen-an Zhang,
• Abstract要約: 感情認識のための分散型マルチソースドメイン適応ネットワーク(DAMSDAN)を提案する。 DAMSDANは、プロトタイプベースの制約と敵対学習を統合して、エンコーダを識別的、ドメイン不変な感情表現へと駆動する。 SEEDとSEED-IVの実験では、クロスオブジェクトは平均94.86%、79.78%、クロスセッションプロトコルは95.12%、83.15%である。
• 参考スコア（独自算出の注目度）: 19.010493629153288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Significant inter-individual variability limits the generalization of EEG-based emotion recognition under cross-domain settings. We address two core challenges in multi-source adaptation: (1) dynamically modeling distributional heterogeneity across sources and quantifying their relevance to a target to reduce negative transfer; and (2) achieving fine-grained semantic consistency to strengthen class discrimination. We propose a distribution-aware multi-source domain adaptation network (DAMSDAN). DAMSDAN integrates prototype-based constraints with adversarial learning to drive the encoder toward discriminative, domain-invariant emotion representations. A domain-aware source weighting strategy based on maximum mean discrepancy (MMD) dynamically estimates inter-domain shifts and reweights source contributions. In addition, a prototype-guided conditional alignment module with dual pseudo-label interaction enhances pseudo-label reliability and enables category-level, fine-grained alignment, mitigating noise propagation and semantic drift. Experiments on SEED and SEED-IV show average accuracies of 94.86\% and 79.78\% for cross-subject, and 95.12\% and 83.15\% for cross-session protocols. On the large-scale FACED dataset, DAMSDAN achieves 82.88\% (cross-subject). Extensive ablations and interpretability analyses corroborate the effectiveness of the proposed framework for cross-domain EEG-based emotion recognition.
• Abstract（参考訳）: 重要な個人間変動は、クロスドメイン設定下での脳波に基づく感情認識の一般化を制限する。 我々は,(1)ソース間の分布の不均一性を動的にモデル化し,負の伝達を減らすためにターゲットとの関係を定量化し,(2)クラス識別を強化するための細粒度のセマンティック一貫性を実現するという,マルチソース適応における2つの課題に対処する。 本稿では,分散対応マルチソースドメイン適応ネットワーク(DAMSDAN)を提案する。 DAMSDANは、プロトタイプベースの制約と敵対学習を統合して、エンコーダを識別的、ドメイン不変な感情表現へと駆動する。 最大平均差分率(MMD)に基づくドメイン対応ソース重み付け戦略は、ドメイン間のシフトを動的に推定し、ソースコントリビューションを再重み付けする。 さらに、擬似ラベル相互作用を持つプロトタイプ誘導条件付きアライメントモジュールは、擬似ラベルの信頼性を高め、カテゴリレベル、微粒化アライメント、緩和ノイズ伝搬、セマンティックドリフトを可能にする。 SEEDとSEED-IVの実験では、クロスオブジェクトでは平均94.86\%、クロスオブジェクトでは79.78\%、クロスセッションプロトコルでは95.12\%、83.15\%である。 大規模なFACEDデータセットでは、DAMSDANは82.88\%(クロスオブジェクト)を達成した。 クロスドメインな脳波に基づく感情認識のためのフレームワークの有効性を裏付ける拡張的改善と解釈可能性分析を行った。

関連論文リスト

• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• Multisource Collaborative Domain Generalization for Cross-Scene Remote Sensing Image Classification [57.945437355714155]
  クロスシーン画像分類は, 異なる分布領域のアノテート領域に, 地中物質の事前の知識を伝達することを目的としている。 既存のアプローチでは、未確認のターゲットドメインへの単一ソースドメインの一般化に重点を置いている。 マルチソースリモートセンシングデータの均一性と不均一性特性に基づく,新しいマルチソース協調型ドメイン一般化フレームワーク(MS-CDG)を提案する。
  論文  参考訳（メタデータ） (2024-12-05T06:15:08Z)
• Multi-Source EEG Emotion Recognition via Dynamic Contrastive Domain Adaptation [17.956642824289453]
  本稿では,差分エントロピー(DE)特徴に基づくマルチソース動的コントラストドメイン適応手法を提案する。 我々のモデルは、認識精度、クラス間マージン、クラス内コンパクト性において、いくつかの代替領域適応法より優れている。 また,前頭葉および頭頂葉の感情感受性も高いことが示唆された。
  論文  参考訳（メタデータ） (2024-08-04T03:51:35Z)
• Semi-Supervised Dual-Stream Self-Attentive Adversarial Graph Contrastive Learning for Cross-Subject EEG-based Emotion Recognition [19.578050094283313]
  DS-AGCフレームワークは、クロスオブジェクト脳波に基づく感情認識において、限定ラベル付きデータの課題に取り組むために提案されている。 提案手法は,不完全ラベル条件の異なる既存手法よりも優れている。
  論文  参考訳（メタデータ） (2023-08-13T23:54:40Z)
• MS-MDA: Multisource Marginal Distribution Adaptation for Cross-subject and Cross-session EEG Emotion Recognition [14.065932956210336]
  脳波感情認識のためのマルチソース境界分布適応法(MS-MDA)を提案する。 まず、異なるEEGデータが同じ低レベルな特徴を共有していると仮定し、1対1のドメイン適応を採用し、ドメイン固有の特徴を抽出するために独立したブランチを構築します。 実験の結果,MS-MDAはクロスセッションおよびクロスオブジェクト転送シナリオにおいて,比較手法と最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2021-07-16T07:19:54Z)
• Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
  マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。 我々は2種類のグラフィカルモデルを提案する。 MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA) これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
  論文  参考訳（メタデータ） (2021-04-27T09:04:22Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)
• MADAN: Multi-source Adversarial Domain Aggregation Network for Domain Adaptation [58.38749495295393]
  ドメイン適応は、あるラベル付きソースドメインと、わずかにラベル付けまたはラベル付けされていないターゲットドメインの間のドメインシフトをブリッジするために、転送可能なモデルを学ぶことを目的としています。 近年のマルチソース領域適応法(MDA)では,ソースとターゲット間の画素レベルのアライメントは考慮されていない。 これらの課題に対処するための新しいMDAフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T21:22:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。