یادگیری چندلایه از پیش تنظیم شده (Fine-Tuned Multilayer Perceptron)

یک یادگیری چندلایه از پیش تنظیم شده (Fine-Tuned MLP) با وزن‌هایی آغاز می‌شود که بر روی یک وظیفه منبع (source task) — یا یک مجموعه داده عمومی بزرگ — آموخته شده‌اند و سپس با نرخ یادگیری کاهش‌یافته بر روی مجموعه داده هدف کوچک‌تر، آموزش را ادامه می‌دهد. این استفاده مجدد از نمایش‌های از پیش آموخته شده به MLP اجازه می‌دهد تا سریع‌تر همگرا شود و بهتر از آموزش از ابتدا تعمیم یابد، به‌ویژه زمانی که داده‌های هدف برچسب‌دار کمیاب هستند.