نقدم معمارية جديدة لشبكات العصبونات العميقة للتصنيف غير المشرف في الفضاء الجزئي. تُبنى هذه المعمارية على أساس الترميزات الذاتية العميقة، التي تقوم بخريطة البيانات الإدخالية إلى فضاء كامن بطريقة غير خطية. فكرة مفتاحية لدينا هي إدخال طبقة ذاتية التعبير جديدة بين المُرمِّز والمُفكِّك لتقليد خاصية "التعبير الذاتي" التي أثبتت فعاليتها في التقنيات التقليدية للتصنيف في الفضاء الجزئي. نظرًا لأنها قابلة للمفاضلة، توفر طبقتنا الجديدة ذاتية التعبير طريقة بسيطة ولكن فعالة لتعلم العلاقات الثنائية بين جميع نقاط البيانات من خلال إجراء انتشار عكسي قياسي. وبفضل عدم خطيتها، فإن طريقة النموذج العصبي التي نعتمد عليها قادرة على تصنيف نقاط البيانات ذات الهياكل المعقدة (غالبًا ما تكون غير خطية). بالإضافة إلى ذلك، نقترح استراتيجيات تدريب أولي وضبط دقيق تمكننا من تعلم معلمات شبكات التصنيف في الفضاء الجزئي الخاصة بنا بشكل فعال. تظهر تجاربنا أن الطريقة المقترحة تتفوق بشكل كبير على أفضل الطرق الحالية للتصنيف غير المشرف في الفضاء الجزئي.