يواجه التعلم العميق للتمييز بين وضعيات الرادار الدقيقة عائقًا رئيسيًا - اعتماده الكبير على البيانات المكلفة المعلّمة. لمعالجة ذلك، نقترح إطارًا شبه مشرف جديدًا يستفيد بشكل فعال من البيانات غير المعلّمة. من خلال إطار عمل متكامل من النهاية إلى النهاية، يتضمن ثلاث فروع يجمع بين آلية تعلم متباين مزدوجة مع استراتيجيات مخصصة لتشويه النبضات، يحقق نموذجنا دقة عالية مع الحد الأدنى من البيانات المعلّمة. تظهر النتائج التجريبية على مجموعتين تحديتين من البيانات أن الإطار المقترح يعزز الدقة بنسبة 17% إلى 34% باستخدام 10% فقط من البيانات المعلّمة، مما يحقق أداءً جديدًا رائدًا في هذا المجال.
درس سان وآخرون (سان) هذا السؤال.