Domein-adaptieve Multilayer Perceptron
Een domein-adaptieve multilayer perceptron (DA-MLP) is een feedforward neuraal netwerk dat getraind wordt om representaties te leren die nuttig zijn voor zowel een gelabelde bron-domein als een ongelabeld of anders gedistribueerd doel-domein. Door zowel een taakverlies als een domein-discrepantiedoel te minimaliseren, generaliseert de MLP naar het doel-domein met weinig tot geen labels uit het doel-domein.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/nl/deep-learning/domain-adaptive-multilayer-perceptron
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Domein-adaptieve Convolutionele Neurale NetwerkenDeep learning↔ vergelijken
- Domeinadaptief Recurrent Neuraal NetwerkDeep learning↔ vergelijken
- Domein-Adaptieve TransformerDeep learning↔ vergelijken
- Fijngestemde Multilayer PerceptronDeep learning↔ vergelijken
- Multilayer Perceptron (MLP)Deep learning↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →