Domene-adaptiv Multilayer Perceptron
En domene-adaptiv multilayer perceptron (DA-MLP) er et feedforward nevralt nettverk trent for å lære representasjoner som er nyttige på tvers av et merket kildedomen og et umerket eller annerledes distribuert måldomen. Ved å minimere både et oppgavetap og et objektiv for domene-diskrepans, generaliserer MLP-en til måldomenet med få eller ingen merker fra måldomenet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/no/deep-learning/domain-adaptive-multilayer-perceptron
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Domene-adaptiv konvolusjonelt nevralt nettverkDyp læring↔ sammenlign
- Domene-adaptivt rekurrent nevralt nettverkDyp læring↔ sammenlign
- Domene-adaptiv TransformerDyp læring↔ sammenlign
- Finjustert Multilayer PerceptronDyp læring↔ sammenlign
- Flerlagsperseptron (MLP)Dyp læring↔ sammenlign
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →