Machine learningDeep learning / NLP / CV

领域自适应多层感知器

领域自适应多层感知器（DA-MLP）是一种前馈神经网络，经过训练可以学习在有标签的源领域和无标签或分布不同的目标领域中都有用的表示。通过最小化任务损失和领域差异目标，MLP可以在很少或没有目标领域标签的情况下泛化到目标领域。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

领域自适应多层感知器

域自适应卷积神经网络域自适应循环神经网络域自适应 Transformer 微调多层感知机多层感知机 (MLP)

来源

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 ↗

如何引用本页

ScholarGate. (2026, June 3). Domain-adaptive Multilayer Perceptron (DA-MLP). ScholarGate. https://scholargate.app/zh/deep-learning/domain-adaptive-multilayer-perceptron

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →