تهدف التحديد الزمني للإجراءات الضعيفة التدريب إلى اكتشاف وتحديد مواقع الإجراءات في مقاطع الفيديو غير المُقطّعة باستخدام علامات على مستوى الفيديو فقط أثناء التدريب. ومع ذلك، وبسبب غياب التسميات على مستوى الإطارات، يُعد تحقيق اكتمال التحديد وتقليل التداخل الناتج عن الخلفية تحديًا كبيرًا. في هذا البحث، نقدّم شبكة ذاكرة وحدة الإجراء (AUMN) للتحديد الزمني للإجراءات الضعيفة التدريب، والتي تُقلل من التحديين المذكورين من خلال تعلّم بنك ذاكرة وحدة إجرائية. في الشبكة المقترحة AUMN، تم تصميم وحدتين انتقائية لتحديث بنك الذاكرة بشكل تكيفي وتعلم تصنيفات مخصصة لوحدات الإجراء. علاوة على ذلك، تم اقتراح ثلاث آليات فعّالة (التنوع، والتجانس، والشحنة) لتوجيه تحديث شبكة الذاكرة. إلى حد علمنا، يُعد هذا أول عمل يُنمذج وحدات الإجراء بشكل صريح باستخدام شبكة ذاكرة. تُظهر النتائج التجريبية الواسعة على معيارين قياسيين (THUMOS14 وActivityNet) أن أداء AUMN يتفوّق على الطرق الحديثة الأفضل. وبشكل خاص، تحسّن متوسط مقياس mAP لحدود التداخل (IoU) من 0.1 إلى 0.5 على مجموعة بيانات THUMOS14 من 47.0% إلى 52.1% بشكل ملحوظ.