المحاذاة التدريجية للخصائص للتكيف غير المشرف بين المجالات

التكيف غير المشرف بين المجالات (UDA) يقوم بنقل المعرفة من مجال مصدر غني بالعلامات إلى مجال هدف بدون علامات تمامًا. لمعالجة هذه المهمة، تتجه الطرق الحديثة إلى نقل المجال التمييزي بفضل العلامات الوهمية لضمان تناسق التوزيع على مستوى الفئة بين مجالات المصدر والهدف. ومع ذلك، فإن هذه الطرق عرضة لتراكم الأخطاء وبالتالي غير قادرة على الحفاظ على التناسق الفئوي عبر المجالات، حيث لا يتم ضمان دقة العلامات الوهمية بشكل صريح. في هذا البحث، نقترح شبكة محاذاة الميزات التدريجية (PFAN) لمحاذاة الميزات التمييزية عبر المجالات بطريقة تدريجية وفعالة، من خلال استغلال الاختلاف داخل الفئة في مجال الهدف. تحديدًا، قمنا أولاً بتطوير استراتيجية النقل من السهل إلى الصعب (EHTS) وخطوة محاذاة النموذج التكيفي (APA) لتدريب نموذجنا بشكل متكرر وبديل. بالإضافة إلى ذلك، بعد ملاحظتنا أن التكيف الجيد بين المجالات غالبًا ما يتطلب تصنيف مصدر غير مشبع، اعتبرنا طريقة بسيطة وفعالة لإبطاء سرعة التقارب للخسارة الخاصة بتقسيم المصدر عن طريق إدخال متغير درجة الحرارة في دالة softmax. تكشف النتائج التجريبية الشاملة أن PFAN المقترحة تتفوق على الأداء الرائد في ثلاثة مجموعات بيانات للتكيف غير المشرف بين المجالات (UDA).