Multilayer Perceptron adaptif domain
Multilayer Perceptron adaptif domain (DA-MLP) ialah rangkaian saraf suap-hadapan yang dilatih untuk mempelajari perwakilan yang berguna merentasi domain sumber berlabel dan domain sasaran tidak berlabel atau berbeza taburan. Dengan meminimumkan kedua-dua kerugian tugasan dan objektif perbezaan domain, MLP menggeneralisasi kepada domain sasaran dengan sedikit atau tiada label domain sasaran.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
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 memetik halaman ini
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/ms/deep-learning/domain-adaptive-multilayer-perceptron
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Convolutional Neural Network Adaptif DomainPembelajaran Mendalam↔ compare
- Rangkaian Saraf Berulang Adaptif DomainPembelajaran Mendalam↔ compare
- Transformer Adaptif DomainPembelajaran Mendalam↔ compare
- Multilayer Perceptron yang Ditalar HalusPembelajaran Mendalam↔ compare
- Multilayer Perceptron (MLP)Pembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →