分布匹配對齊

這是一種潛在對齊，將今日神經資料的分布匹配至一個參考，而無需兩者之間逐刻的配對對應。這類方法不對齊特定樣本，而是要求把兩團點雲視為分布時，對齊後看起來相同。對抗式版本（ADAN 式的域適應網路）訓練一個鑑別器，試圖分辨參考潛在向量與重新對齊後的測試潛在向量，而對齊器則試圖騙過它；分布匹配方法（NoMAD，透過分布匹配的非線性流形對齊）直接匹配潛在動力學；循環一致方案則要求將測試映射至參考再映射回來會還原原始資料。

此潛在空間穩定化的子類之所以強大，正因為它是完全非監督式的，且不要求兩天以相同順序造訪相同的行為狀態。其弱點則是匹配分布（而非點）所固有的：資料中的對稱性（一個使分布不變卻對調輸出標記的旋轉）可能被錯誤地對齊掉、對抗式訓練可能不穩定，而由於沒有標記可供核對，成功與否在線上難以確證。