استخراج كميات كبيرة من البيانات من العينات البيولوجية غير ممكن بسبب مشاكل الإشعاع، ومعالجة الصور في نظام البيانات الصغيرة هو أحد التحديات الحرجة عند العمل مع كمية محدودة من البيانات. في هذا البحث، تم تطبيق خوارزمية موجودة تُسمى المُشفر التبايني الآلي (Variational Auto Encoder - VAE)، والتي تقوم بتدريب مسبق لتمثيل فضاء الكامنة للبيانات لالتقاط الخصائص في أبعاد أقل للإدخال في نظام البيانات الصغيرة. يوفر الفضاء الكامن المُعَدّل أوزانًا ثابتة مفيدة للتبويب. هنا سنقدم تحليل الأداء للمُشفر التبايني الآلي مع أحجام مختلفة لفضاء الكامنة باستخدام تقنية التعلم شبه المشرف (Semi-Supervised Learning) ومجموعة بيانات CIFAR-10.