تركز معظم الطرق الحالية للتكيف بين المجالات على التكيف من مجال مصدر واحد فقط، ومع ذلك، في الممارسة العملية، هناك عدد من المصادر ذات الصلة التي يمكن استغلالها لتحسين الأداء على المجال الهدف. نقترح منهجًا جديدًا يُسمى T-SVDNet لمعالجة مهمة التكيف متعدد المصادر (MDA)، والذي يتميز بدمج تحليل القيمة المفردة للتوافيق (T-SVD) في خط أنابيب تدريب الشبكة العصبية. بشكل عام، يتم استكشاف الترابطات من الدرجة العالية بين عدة مجالات وفئات بشكل كامل لتحسين جسر الفجوة بين المجالات. وبشكل خاص، نفرض قيدًا من نوع "منخفض الرتبة للتوافيق" (TLR) على توافيق تم الحصول عليها من تجميع مجموعة من مصفوفات التشابه النموذجية، بهدف التقاط البنية البنيوية الموحدة عبر المجالات المختلفة. علاوة على ذلك، لتجنب التحويل السلبي الناتج عن البيانات المضطربة من المصادر، نقترح استراتيجية جديدة تعتمد على التقدير غير المؤكد لتوزيع أوزان تلقائية على المجالات والعينات المختلفة بناءً على نتيجة تقدير عدم اليقين. أظهرت تجارب واسعة أجريت على معايير عامة تفوق نموذجنا في معالجة مهمة التكيف متعدد المصادر مقارنة بالطرق الرائدة حاليًا.