Perceptron multicouche adaptatif au domaine
Un perceptron multicouche adaptatif au domaine (DA-MLP) est un réseau de neurones à propagation avant entraîné pour apprendre des représentations utiles à travers un domaine source étiqueté et un domaine cible non étiqueté ou différemment distribué. En minimisant à la fois une perte de tâche et un objectif de divergence de domaine, le MLP généralise au domaine cible avec peu ou pas d'étiquettes du domaine cible.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/fr/deep-learning/domain-adaptive-multilayer-perceptron
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Réseau neuronal convolutif adaptatif au domaineApprentissage profond↔ comparer
- Réseau de neurones récurrent à adaptation de domaineApprentissage profond↔ comparer
- Transformeur à adaptation de domaineApprentissage profond↔ comparer
- Perceptron multicouche affinéApprentissage profond↔ comparer
- Perceptron multicouche (MLP)Apprentissage profond↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →