深度网络已成功应用于学习可迁移特征，以适应从源域到不同目标域的模型。在本文中，我们提出了联合自适应网络（Joint Adaptation Networks, JAN），该网络通过基于联合最大均值差异（Joint Maximum Mean Discrepancy, JMMD）准则对多个特定领域的层之间的联合分布进行对齐来学习一个迁移网络。采用对抗训练策略来最大化JMMD，从而使源域和目标域的分布更加可区分。学习过程可以通过随机梯度下降法进行，其中梯度由线性时间内的反向传播计算得出。实验结果证明，我们的模型在标准数据集上达到了最先进的性能。