نُقدِّم تكيّفًا غير مُراقَب للتمثيل (unsupervised embedding adaptation) لمهام التصنيف قليل العينات في المهام التالية (downstream few-shot classification). استنادًا إلى النتائج التي تُظهر أن الشبكات العصبية العميقة تتعلم التعميم قبل الحفظ، قمنا بتطوير طريقة جديدة تُسمى إعادة بناء الميزات في المراحل المبكرة (Early-Stage Feature Reconstruction - ESFR)، وهي استراتيجية تكييف جديدة تعتمد على إعادة بناء الميزات ووقف مبكر مدفوع بالبعدية، وتهدف إلى اكتشاف ميزات قابلة للتعميم. وتبين أن دمج ESFR مع الطرق الأساسية يُحسّن أداءها بشكل متسق في جميع الإعدادات القياسية، بما في ذلك الطريقة التمديدية (transductive) التي تم اقتراحها حديثًا. كما أن استخدام ESFR بالاقتران مع الطريقة التمديدية يحقق أداءً متقدمًا جدًا على مجموعتي بيانات mini-ImageNet وtiered-ImageNet وCUB، حيث تُسجّل تحسينات في الدقة تتراوح بين 1.2% إلى 2.0% مقارنة بالطريقة السابقة الأفضل في إعدادات التصنيف بعينة واحدة (1-shot).