Metodin todisteiden tietue
Domain-adaptive Multilayer Perceptron
A domain-adaptive multilayer perceptron (DA-MLP) is a feedforward neural network trained to learn representations that are useful across a labeled source domain and an unlabeled or differently distributed target domain. By minimizing both a task loss and a domain-discrepancy objective, the MLP generalizes to the target domain with little or no target-domain labels.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Domain-adaptive Multilayer Perceptron (DA-MLP)
Taksonominen metoditietue · ml-model / deep-learning
- 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. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.