تعلم الكشف عن الفئات المفتوحة للتكيف النطاقي الشامل

التكيف النطاقي العالمي (UDA) يُحوّل المعرفة بين النطاقات دون أي قيود على مجموعات التسميات، مما يوسع نطاق تطبيق التكيف النطاقي في البيئات الواقعية. في UDA، قد تحتوي كل من مجموعة المصدر ومجموعة الهدف على تسميات فردية لا تشاركها الطرف الآخر. ومن التحديات الشائعة في UDA تصنيف أمثلة الهدف ضمن الفئات المشتركة مع التغلب على الانزياح النطاقي. أما التحدي الأبرز الآخر في UDA فهو تحديد أمثلة الهدف التي تنتمي إلى مجموعات تسميات فردية في الهدف (الفئات المفتوحة) على أنها "غير معروفة". تجعل هذان التحديان المتشابكان من UDA مشكلة غير مكتملة الاستكشاف بشكل كافٍ. ركّزت الدراسات السابقة على تصنيف البيانات ضمن الفئات المشتركة واستخدمت دقة التصنيف لكل فئة كمقياس لتقييم الأداء، وهو ما يُعاني من تحيّز كبير تجاه دقة الفئات المشتركة. ومع ذلك، فإن الكشف الدقيق عن الفئات المفتوحة هو المهمة الحاسمة التي تُمكّن من تحقيق التكيف النطاقي العالمي الحقيقي. وبما أن هذا الكشف يحوّل مشكلة UDA إلى مشكلة مُحددة جيدًا في التكيف النطاقي المغلق، فإننا نقترح في هذا العمل نموذجًا جديدًا يُسمى "التوحيد المتعدد للغموض" (CMU)، والذي يعتمد على مقياس جديد للقابلية للتحويل يُقدّر من خلال مزيج من كميات الغموض المكملة: الانتروبيا، والثقة، والاتساق، وتمّ تعريفها على احتمالات شرطية تم تقويمها باستخدام نموذج جماعة تصنيف متعدد الفئات. يُمكّن هذا المقياس الجديد من التقييم الدقيق لميل مثال الهدف نحو الفئات المفتوحة. كما نقترح مقياس تقييم جديد يُسمى "H-score"، الذي يُبرز الأهمية المتساوية لكل من دقة الفئات المشتركة ودقة الفئة "غير المعروفة". أظهرت النتائج التجريبية في بيئة UDA أن نموذج CMU يتفوّق على أحدث الأساليب في التكيف النطاقي من حيث جميع مقاييس التقييم، وبشكل ملحوظ جدًا من حيث H-score.