Perceptron Multicamada Adaptativo a Domínio
Um perceptron multicamada adaptativo a domínio (DA-MLP) é uma rede neural feedforward treinada para aprender representações úteis em um domínio fonte rotulado e um domínio alvo não rotulado ou com distribuição diferente. Ao minimizar tanto uma perda de tarefa quanto um objetivo de discrepância de domínio, o MLP generaliza para o domínio alvo com poucos ou nenhuns rótulos do domínio alvo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/pt/deep-learning/domain-adaptive-multilayer-perceptron
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Rede neural convolucional adaptativa ao domínioAprendizado profundo↔ comparar
- Rede Neural Recorrente Adaptativa a DomínioAprendizado profundo↔ comparar
- Transformer Adaptado ao DomínioAprendizado profundo↔ comparar
- Perceptron Multicamada Ajustado FinamenteAprendizado profundo↔ comparar
- Perceptron Multicamada (MLP)Aprendizado profundo↔ comparar
Encontrou um problema nesta página? Relate ou sugira uma correção →