شبكة التجميع الذاتي المراقب للفراغات الإقليدية

لقد أصبحت طرق التجميع الفرعي المستندة إلى تعبير البيانات الذاتي شائعة جدًا لتعلم البيانات التي تكمن في اتحاد فضاءات خطية ذات أبعاد منخفضة. ومع ذلك، فإن قابلية تطبيق التجميع الفرعي كانت محدودة لأن البيانات البصرية العملية بصورتها الخام لا تكمن بالضرورة في هذه الفضاءات الخطية. من ناحية أخرى، بينما أثبتت شبكات العصب الاصطناعي المتلافهة (ConvNet) أنها أداة قوية لاستخراج الخصائص المميزة من البيانات البصرية، فإن تدريب مثل هذه الشبكة غالبًا ما يتطلب كمية كبيرة من البيانات المصنفة، والتي تكون غير متاحة في تطبيقات التجميع الفرعي. لتحقيق التعلم المشترك للخصائص والتجميع الفرعي في الوقت نفسه، نقترح إطارًا قابلاً للتدريب من النهاية إلى النهاية يُسمى شبكة التجميع الفرعي المتلافئة ذات الإشراف الذاتي (S$^2$ConvSCN)، والذي يجمع بين وحدة الشبكة المتلافئة (لتعلم الخصائص)، ووحدة التعبير الذاتي (لتجميع الفضاءات الفرعية) ووحدة التجميع الطيفي (للإشراف الذاتي) في إطار تحسين مشترك. بشكل خاص، نقدم إشرافًا ذاتيًا مزدوجًا يستغل نتيجة التجميع الطيفي لإشراف تدريب وحدة تعلم الخصائص (عبر خسارة تصنيف) وأداء وحدة التعبير الذاتي (عبر خسارة التجميع الطيفي). أظهرت تجاربنا على أربع مجموعات بيانات مرجعية فعالية الإشراف الذاتي المزدوج وأثبتت الأداء المتفوق لنهجنا المقترح.