Domenam adaptīvs daudzslāņu perceptrons
Domenam adaptīvs daudzslāņu perceptrons (DA-MLP) ir uz priekšu vērsts neironu tīkls, kas apmācīts apgūt reprezentācijas, kuras ir noderīgas gan iezīmētajā avota domenā, gan neiezīmētajā vai atšķirīgi sadalītajā mērķa domenā. Minimizējot gan uzdevuma kļūdu, gan domenu atšķirību mērķi, MLP vispārina uz mērķa domenu ar maz vai nemaz nepieciešamām mērķa domenu iezīmēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-multilayer-perceptron
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Konvolūciju neironu tīkls ar adaptāciju domēnaiDziļā mācīšanās↔ salīdzināt
- Adaptīvs domēna rekurentais neironu tīklsDziļā mācīšanās↔ salīdzināt
- Adaptīvs domēna pārneses TransformerDziļā mācīšanās↔ salīdzināt
- Pielāgots daudzslāņu perceptronsDziļā mācīšanās↔ salīdzināt
- Daudzslāņu perceptrons (MLP)Dziļā mācīšanās↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →