النقل الانتقائي باستخدام شبكة النقل المُعززة للتكيف الجزئي بين المجالات

واحدة من الجوانب الحاسمة في التكيف الجزئي للنطاق (PDA) هي كيفية اختيار العينات ذات الصلة من النطاق المصدر في الفئات المشتركة لنقل المعرفة. تناولت الطرق السابقة في PDA هذه المشكلة بإعادة وزن العينات المصدرية بناءً على معلوماتها عالية المستوى (الميزات العميقة). ومع ذلك، نظرًا للتغير النمطي بين النطاقين المصدر والهدف، فإن استخدام الميزات العميقة فقط لاختيار العينات يكون معيبًا. نعتقد أنه من الأفضل استغلال المعلومات على مستوى البكسل أيضًا لمشكلة PDA، حيث تكون الفروق الشكلية بين الفئات المصدرية الغريبة والفئات الهدف كبيرة بشكل كبير. في هذا البحث، نقترح شبكة نقل مدعومة (RTNet)، والتي تستفيد من المعلومات عالية المستوى والمعلومات على مستوى البكسل لمشكلة PDA. تتكون شبكتنا RTNet من محرك بيانات مدعم (RDS) يستند إلى التعلم التعزيزي (RL)، والذي يُستبعد به العينات المصدرية الغريبة، ونموذج تكيف نطاق يقلل من الاختلاف النمطي في الفضاء الملصق المشترك. بصفة خاصة، في RDS، صممنا مكافأة جديدة تعتمد على أخطاء إعادة بناء العينات المصدرية المختارة بواسطة المولد الهدف، مما يُدخل المعلومات على مستوى البكسل لتوجيه تعلم RDS. بالإضافة إلى ذلك، طورنا حالة تحتوي على معلومات عالية المستوى، والتي يستخدمها RDS لاختيار العينات. يعتبر المحرك البيانات المدعم المقترح (RDS) وحدة عامة يمكن دمجها بسهولة في النماذج الحالية للتكيف النمطي لجعلها تناسب وضع PDA. تشير التجارب الواسعة إلى أن RTNet يمكنه تحقيق أداء رائد في مهام PDA على عدة قواعد بيانات معيارية.