Perseptron Multilapis Adaptif Domain
Perseptron multilapis adaptif domain (DA-MLP) adalah jaringan saraf umpan maju yang dilatih untuk mempelajari representasi yang berguna di seluruh domain sumber berlabel dan domain target yang tidak berlabel atau terdistribusi secara berbeda. Dengan meminimalkan kerugian tugas dan tujuan diskrepansi domain, MLP menggeneralisasi ke domain target dengan sedikit atau tanpa label domain target.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/id/deep-learning/domain-adaptive-multilayer-perceptron
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Jaringan Saraf Konvolusional Adaptif DomainPembelajaran Mendalam↔ bandingkan
- Recurrent Neural Network Adaptif DomainPembelajaran Mendalam↔ bandingkan
- Transformer Adaptif DomainPembelajaran Mendalam↔ bandingkan
- Multilayer Perceptron yang Disesuaikan HalusPembelajaran Mendalam↔ bandingkan
- Multilayer Perceptron (MLP)Pembelajaran Mendalam↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →