تم استخدام تقليل الإنتروبيا على نطاق واسع في التكييف غير المراقب للنطاق (UDA). ومع ذلك، أظهرت الدراسات الحالية أن تقليل الإنتروبيا وحده قد يؤدي إلى حلول تافهة مُنهارة. في هذا البحث، نقترح تجنب الحلول التافهة من خلال إدخال إضافي لتعزيز التنوّع. ولتحقيق أقل مخاطر ممكنة على الهدف في سياق UDA، نُظهر أن يجب تحقيق توازن دقيق بين تعزيز التنوّع وتقليل الإنتروبيا، ويمكن التحكم بدقة في هذا التوازن باستخدام التحقق المُدمج العميق بطريقة غير مراقبة. يُمكن تنفيذ طريقة تقليل الإنتروبيا الأدنى مع تعزيز التنوّع (MEDM) مباشرة باستخدام التدرج العشوائي المُتناقص دون الحاجة إلى التعلم العدواني. تُظهر الأدلة التجريبية أن MEDM تتفوّق على أحدث الطرق المُتاحة على أربع مجموعات بيانات شهيرة لتكيف النطاق.