Multilayer Perceptrón Adaptativo al Dominio
Un multilayer perceptrón adaptativo al dominio (DA-MLP) es una red neuronal feedforward entrenada para aprender representaciones útiles a través de un dominio fuente etiquetado y un dominio objetivo no etiquetado o con una distribución diferente. Al minimizar tanto una pérdida de tarea como un objetivo de discrepancia de dominio, el MLP generaliza al dominio objetivo con pocas o ninguna etiqueta del dominio objetivo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/es/deep-learning/domain-adaptive-multilayer-perceptron
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Red Neuronal Convolucional Adaptativa al DominioAprendizaje profundo↔ comparar
- Red Neuronal Recurrente Adaptativa al DominioAprendizaje profundo↔ comparar
- Transformador de Adaptación de DominioAprendizaje profundo↔ comparar
- Perceptrón Multicapa SintonizadoAprendizaje profundo↔ comparar
- Perceptrón multicapa (MLP)Aprendizaje profundo↔ comparar
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →