نقترح تقنية تعميم متعددة المصادر بسيطة ولكن فعّالة تعتمد على الشبكات العصبية العميقة من خلال دمج طبقات التطبيع المحسنة والمحددة لكل مجال. يوظف نهجنا عدة طرق للتطبيع أثناء تعلم معلمات الربط الخطي المنفصل لكل مجال. بالنسبة لكل مجال، يتم تطبيع التنشيطات بمتوسط وزني لعدة إحصاءات تطبيع. إذا لزم الأمر، يتم تتبع الإحصاءات التطبيعية بشكل منفصل لكل نوع من أنواع التطبيع. بشكل خاص، نستخدم في تنفيذنا تطبيقات التطبيع بالدفعة (Batch Normalization) والتطبيع بالمثيل (Instance Normalization) لاكتشاف أفضل تركيب لهذه الطرقتين في كل مجال. تكون الطبقات التطبيعية المحسنة فعّالة في تعزيز قابلية تعميم النموذج المتعلم. نظهر الدقة الرائدة لخوارزميتنا في مقاييس التعميم المتعدد للمجالات القياسية، بالإضافة إلى إمكانية التطبيق في مهام أخرى مثل التكيف بين المجالات المتعددة والتعميم بين المجالات في وجود ضوضاء البيانات (Label Noise).