Domæne-adaptiv Multilayer Perceptron
En domæne-adaptiv multilayer perceptron (DA-MLP) er et feedforward neuralt netværk trænet til at lære repræsentationer, der er nyttige på tværs af et mærket kildedomæne og et umærket eller anderledes distribueret måldomæne. Ved at minimere både et opgaveløb og et domæne-diskrepans-objektiv, generaliserer MLP'en til måldomænet med få eller ingen mærker fra måldomænet.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Ben-David, S., Blitzer, J., Crammer, K., Kulesza, A., Pereira, F., & Vaughan, J. W. (2010). A theory of learning from different domains. Machine Learning, 79(1–2), 151–175. DOI: 10.1007/s10994-009-5152-4 ↗
- Ganin, Y., Ustinova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(59), 1–35. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/da/deep-learning/domain-adaptive-multilayer-perceptron
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Domæne-adaptivt Konvolutionelt Neuralt NetværkDyb læring↔ compare
- Domæneadaptivt Rekurrent Neuralt NetværkDyb læring↔ compare
- Domæne-adaptiv TransformerDyb læring↔ compare
- Finetunet Multilags PerceptronDyb læring↔ compare
- Multilayer Perceptron (MLP)Dyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →